0

[使用 Python 3.x] 我正在尝试创建一个包含两列的 CSV 文件，一列包含假电子邮件地址，第二列应包含相应函数中指定的某个国家/地区代码。

我希望国家代码 - 至少 - 统一分配给每个电子邮件地址。但是，如果还有一种方法可以使它们不均匀分布，那就太好了。例如，一个国家可以分配 30% 的电子邮件地址，另一个国家分配 10% 的电子邮件地址，等等。

我最大的困难是创建一个字典，其中键是电子邮件地址，值是国家代码，从而压缩两个长度不等且没有空值（无）的列表。附带说明一下，我认为创建字典是最好的方法，但我对编程和 python 很陌生，因此如果你有更好的解决方案，请分享！

这是我的代码：

from random import choice, randint
from string import ascii_lowercase
from itertools import zip_longest
import csv

def gen_name(length):
    """"Generates a random name with the given amount of characters."""
    return ''.join(choice(ascii_lowercase) for i in range(length))

def email_gen():
    """Generates a fake email address."""
    user = gen_name(randint(5, 10))
    host = gen_name(randint(5, 15))
    return user + "@" + host + ".com"

def gen_plain_email_list(n):
    """Generates a list of n amount of random e-mail addresses"""
    emaillist = []
    for i in range(n):
        emaillist.append(email_gen())
    return emaillist

def gen_email_dict(n):
    """Generates a dictionary where the key is an e-mail address and the value a random country code."""
    email_list = []
    cc = ['us', 'gb', 'de', 'fr', 'it', 'nl', 'es', 'ae', 'br', 'au']

    # Creating a list of n amount of e-mail addresses
    for i in range(n):
        email_list.append(email_gen())
    # Creates dictionary with with an e-mail address from email_list and
    # a random country code from the cc list
    email_dict = dict(zip_longest(email_list, cc, fillvalue=choice(cc)))
    return email_dict

def dict_to_csv(filename, n):
    with open(filename, 'w', newline='') as f:
        w = csv.writer(f)
        w.writerows(gen_email_dict(n).items())

dict_to_csv('test.csv', 1000)

在此先感谢您的帮助！

4

3 回答 3

0

您正试图滥用该zip功能。在您的情况下，使用 genexp 或 dict-comprehension 很简单：

def gen_email_dict(n):
    return {get_email(): choice(cc) for _ in range(n)}
    #return dict((get_email(), choice(cc)) for _ in range(n))  # python2

该zip函数只能用于等长的序列，虽然zip_longest允许不等长，但默认值不是可以产生任意值的函数！

如果你真的想使用zip，这样做的一种方法是拥有一个无限的国家代码生成器：

cc = ['us', 'gb', 'de', 'fr', 'it', 'nl', 'es', 'ae', 'br', 'au']
def _countries():
    while True:
        yield choice(cc)

countries = _countries()

def gen_email_dict(n):
    # using zip_longest you'll get an infinite loop!!!
    return dict(zip((gen_email() for _ in range(n)), countries))
    # using itertools.islice you wont get an infinite loop.
    # but there is no reason to complicate things.
    #return dict(zip_longest((gen_email() for _ in range(n)), it.islice(countries, n)))
于 2013-06-02T13:22:41.997 回答
0

如果您有每个国家代码的百分比，只需展开国家列表直到您有足够的元素，然后重新排列列表：

cc = [('us', .2), ('gb', .2), ('de', .1), ('fr', .05), ('it', .05)]
distribution = n / sum(dist for c, dist in cc)
countries = []
for c, dist in cc:
    countries.extend([c] * int(round(distribution * dist)))
# rounding errors may mean we have too few, add until we have enough
while len(countries) < n:
    countries.append(random.choice(cc)[0])
random.shuffle(countries)

现在，您可以使用您的电子邮件地址压缩这些文件，并根据其权重平均分配国家/地区。

于 2013-06-02T13:31:35.013 回答
0

要随机选择具有不同概率的国家/地区代码，您可以创建一组权重，用于生成从中随机选择代码的 Universe。我在这里使用 Python 2，但总体思路是一样的：

emails = [chr(65 + i) + '@foo.bar' for i in range(26)]

cc_weights = dict(
    us = 5,
    gb = 3,
    de = 2,
)

# A universe of country codes, based on the weighting we defined.
ccs = sum(([c] * n for c,n in cc_weights.iteritems()), [])

email_ccs = dict((e, choice(ccs)) for e in emails)
于 2013-06-02T13:39:13.687 回答