Skip to content
The Chat Archive
grok-3-preview-02-24· xAI LMArena Human Preference 140K

Stwórz plik csv z testowymi danymi, 10000 rekordów, dla tabeli postgres o następującej…

  1. User

    Stwórz plik csv z testowymi danymi, 10000 rekordów, dla tabeli postgres o następującej strukturze CREATE TABLE IF NOT EXISTS public.magazyn ( id integer NOT NULL DEFAULT nextval('magazyn_id_seq'::regclass), typ text COLLATE pg_catalog."default", jednostka integer, nazwa text COLLATE pg_catalog."default", status text COLLATE pg_catalog."default", opis_krotki text COLLATE pg_catalog."default", opis_dlugi text COLLATE pg_catalog."default", jednostka_miary text COLLATE pg_catalog."default", stan_magazynowy numeric, cena_jednostkowa numeric(12,2), wartosc numeric(14,2), waluta text COLLATE pg_catalog."default" )

  2. Assistant

    Aby stworzyć plik CSV z testowymi danymi dla podanej struktury tabeli PostgreSQL, możemy wygenerować dane w sposób losowy, ale zgodny z typami danych i ograniczeniami. Poniżej znajdziesz opis, jak to zrobić, oraz przykładowy kod w Pythonie, który wygeneruje plik CSV z 10 000 rekordów.

    Założenia dla danych testowych:

    1. id: Automatycznie generowane (od 1 do 10 000).
    2. typ: Losowy wybór z predefiniowanej listy (np. "surowiec", "produkt", "półprodukt").
    3. jednostka: Losowa liczba całkowita (np. od 1 do 100).
    4. nazwa: Losowy ciąg znaków (np. "Produkt_X", gdzie X to liczba).
    5. status: Losowy wybór z predefiniowanej listy (np. "aktywny", "nieaktywny", "wycofany").
    6. opis_krotki: Krótki losowy tekst (np. "Opis krótki X").
    7. opis_dlugi: Dłuższy losowy tekst (np. "Długi opis produktu X").
    8. jednostka_miary: Losowy wybór z predefiniowanej listy (np. "szt", "kg", "l", "m").
    9. stan_magazynowy: Losowa liczba zmiennoprzecinkowa (np. od 0 do 1000).
    10. cena_jednostkowa: Losowa liczba zmiennoprzecinkowa z dokładnością do 2 miejsc po przecinku (np. od 1.00 do 1000.00).
    11. wartosc: Obliczana jako stan_magazynowy * cena_jednostkowa, z dokładnością do 2 miejsc po przecinku.
    12. waluta: Losowy wybór z predefiniowanej listy (np. "PLN", "EUR", "USD").

    Kod w Pythonie do generowania pliku CSV

    Poniższy kod w Pythonie generuje plik CSV z 10 000 rekordów zgodnie z powyższymi założeniami:

    import csv
    import random
    from faker import Faker
    
    # Inicjalizacja generatora danych losowych
    fake = Faker()
    
    # Funkcja do generowania losowego opisu
    def generate_short_description():
        return f"Opis krótki {random.randint(1, 1000)}"
    
    def generate_long_description():
        return f"Długi opis produktu {random.randint(1, 1000)}: {fake.text(max_nb_chars=200)}"
    
    # Listy do losowego wyboru wartości
    typ_options = ["surowiec", "produkt", "półprodukt"]
    status_options = ["aktywny", "nieaktywny", "wycofany"]
    jednostka_miary_options = ["szt", "kg", "l", "m"]
    waluta_options = ["PLN", "EUR", "USD"]
    
    # Otwarcie pliku CSV do zapisu
    with open('magazyn_test_data.csv', mode='w', newline='', encoding='utf-8') as file:
        writer = csv.writer(file)
        
        # Nagłówki zgodne z strukturą tabeli
        headers = [
            "id", "typ", "jednostka", "nazwa", "status", "opis_krotki", 
            "opis_dlugi", "jednostka_miary", "stan_magazynowy", 
            "cena_jednostkowa", "wartosc", "waluta"
        ]
        writer.writerow(headers)
        
        # Generowanie 10 000 rekordów
        for i in range(1, 10001):
            typ = random.choice(typ_options)
            jednostka = random.randint(1, 100)
            nazwa = f"Produkt_{i}"
            status = random.choice(status_options)
            opis_krotki = generate_short_description()
            opis_dlugi = generate_long_description()
            jednostka_miary = random.choice(jednostka_miary_options)
            stan_magazynowy = round(random.uniform(0, 1000), 2)
            cena_jednostkowa = round(random.uniform(1, 1000), 2)
            wartosc = round(stan_magazynowy * cena_jednostkowa, 2)
            waluta = random.choice(waluta_options)
            
            # Zapis rekordu do pliku CSV
            row = [
                i, typ, jednostka, nazwa, status, opis_krotki, 
                opis_dlugi, jednostka_miary, stan_magazynowy, 
                cena_jednostkowa, wartosc, waluta
            ]
            writer.writerow(row)
    
    print("Plik CSV został wygenerowany: magazyn_test_data.csv")
    

    Wymagania:

    1. Zainstaluj bibliotekę faker, jeśli jeszcze jej nie masz:
      pip install faker
      
    2. Uruchom powyższy kod w środowisku Python.

    Wynik:

    Po uruchomieniu kodu zostanie wygenerowany plik magazyn_test_data.csv w tym samym katalogu, w którym znajduje się skrypt. Plik będzie zawierał 10 000 rekordów w formacie CSV, zgodnym z podaną strukturą tabeli.

    Przykład importu do PostgreSQL:

    Aby zaimportować dane do tabeli w PostgreSQL, możesz użyć polecenia COPY w następujący sposób:

    COPY public.magazyn (
        id, typ, jednostka, nazwa, status, opis_krotki, 
        opis_dlugi, jednostka_miary, stan_magazynowy, 
        cena_jednostkowa, wartosc, waluta
    )
    FROM '/ścieżka/do/pliku/magazyn_test_data.csv'
    DELIMITER ','
    CSV HEADER;
    

    Upewnij się, że ścieżka do pliku jest poprawna i że użytkownik PostgreSQL ma odpowiednie uprawnienia do odczytu pliku.

    Uwagi:

    • Jeśli chcesz bardziej realistyczne dane (np. bardziej zróżnicowane nazwy produktów lub opisy), możesz dostosować kod, korzystając z bardziej zaawansowanych funkcji biblioteki faker.
    • Jeśli tabela magazyn ma dodatkowe ograniczenia (np. klucze obce, unikalność), upewnij się, że generowane dane spełniają te wymagania.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.