はじめに

データ生成ライブラリとして有名な Faker を活用して、親子関係のあるデータ を自由自在に生成する方法を紹介します。

例えば、以下のようなケースに対応できます。

顧客 (Parent) と注文 (Child)
- customer_id をキーとして、 orders に customer_id を持たせる
商品カテゴリ (Parent) とサブカテゴリ (Child)
- category_id をキーとして、 sub_categories に parent_category_id を設定
ブログのユーザ (Parent) と記事 (Child)
- user_id をキーとして、 posts に user_id を持たせる

Faker の標準機能だけでは対応しきれないため、カスタムプロバイダ を作成する方法を解説します。

環境設定

Python 3.x (この記事では 3.9 以上を想定)
Faker ライブラリ
Google Colab やローカルの Python 環境

pip install Faker

Google Colab では、ノートブックの最初のセルで上記コマンドを実行してください。

方法 1: 親子をセットで生成する

親1レコードと子Nレコードをまとめて生成 するカスタムプロバイダを作成します。

実装

from faker import Faker
from faker.providers import BaseProvider
import random
from datetime import datetime

fake = Faker()
fake.seed_instance(1234)

class ParentAndChildDataProvider(BaseProvider):
    def create_parent_with_children(self, num_children=3):
        """
        親1件、子N件を生成し、親のIDを子に紐づける
        """
        parent_id = f"CUST-{random.randint(1000,9999)}"
        parent_data = {
            "customer_id": parent_id,
            "customer_name": fake.name(),
            "registered_date": fake.date_between('-1y', 'today')
        }

        children_data = []
        for _ in range(num_children):
            order_id = f"ORD-{random.randint(10000,99999)}"
            order_date = fake.date_between(start_date=parent_data['registered_date'], end_date='today')
            total_amount = random.randint(1000, 20000)

            child = {
                "order_id": order_id,
                "customer_id": parent_id,
                "order_date": order_date,
                "total_amount": total_amount,
            }
            children_data.append(child)

        return {
            "parent": parent_data,
            "children": children_data
        }

# プロバイダ追加
fake.add_provider(ParentAndChildDataProvider)

# 実行例
print(fake.create_parent_with_children(num_children=3))

方法 2: 先に親を生成し、子を後で割り当てる

データベースのように 親リストを先に作成 し、後で 子データを親に紐づける 方法です。

実装

class ParentChildSeparateProvider(BaseProvider):
    def create_parents(self, n=5):
        """ 親データを n 件生成 """
        parent_list = []
        for _ in range(n):
            parent_id = f"CUST-{random.randint(1000,9999)}"
            parent = {
                "customer_id": parent_id,
                "customer_name": fake.name(),
                "registered_date": fake.date_between('-1y', 'today')
            }
            parent_list.append(parent)
        return parent_list

    def create_children(self, parents, num_children=3):
        """ 既存の親データを参照しながら、子データを生成 """
        children_list = []
        for _ in range(num_children):
            parent = random.choice(parents)
            order_id = f"ORD-{random.randint(10000,99999)}"
            order_date = fake.date_between(start_date=parent['registered_date'], end_date='today')
            total_amount = random.randint(1000, 20000)

            child = {
                "order_id": order_id,
                "customer_id": parent["customer_id"],
                "order_date": order_date,
                "total_amount": total_amount,
            }
            children_list.append(child)
        return children_list

# プロバイダ追加
fake.add_provider(ParentChildSeparateProvider)

# 親データを10件生成
parents_data = fake.create_parents(n=10)
print(f"--- Parents ---\n{parents_data}\n")

# 子データを20件生成し、親IDをランダムに割り当て
children_data = fake.create_children(parents=parents_data, num_children=20)
print(f"--- Children ---")
for c in children_data:
    print(c)

まとめ

Faker のカスタムプロバイダを利用して、親子関係のあるデータを簡単に生成できる
親と子をセットで生成する方法 と 親リストを先に作って子に紐づける方法 の2パターンを紹介
実データに近い 外部キーのような制約 を持ったモックデータを作れる

これを活用すれば、テストデータや開発時のモックデータ生成がスムーズになります。ぜひ活用してみてください！