Stats
Actions
Tags
Help us improve
Share bugs, ideas, or general feedback.
From pm-execution
Generates realistic dummy datasets with custom columns, constraints, and output formats (CSV, JSON, SQL, Python script) for test data, mocks, and dev demos.
npx claudepluginhub lucas-flatwhite/pm-skills-ko --plugin pm-executionHow this skill is triggered — by the user, by Claude, or both
Slash command
/pm-execution:dummy-datasetThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
사용자 정의 컬럼, 제약 조건, 출력 형식(CSV, JSON, SQL, Python script)으로 테스트용 현실적인 더미 데이터셋을 생성합니다. 즉시 사용 가능한 실행 가능 스크립트 또는 직접적인 데이터 파일을 생성합니다.
Generates realistic dummy datasets for testing with customizable columns, constraints, rows, and formats (CSV, JSON, SQL, Python script). For mocks, demos, test environments.
Generates realistic database seed scripts using Faker libraries, respecting foreign keys, constraints, and data types via schema analysis and topological sort. For dev/test environments.
Generates realistic test data for databases, respecting schemas, relationships, and constraints. Supports SQL inserts, Faker libraries, and ORMs in JS/TS, Python, Ruby.
Share bugs, ideas, or general feedback.
사용자 정의 컬럼, 제약 조건, 출력 형식(CSV, JSON, SQL, Python script)으로 테스트용 현실적인 더미 데이터셋을 생성합니다. 즉시 사용 가능한 실행 가능 스크립트 또는 직접적인 데이터 파일을 생성합니다.
사용 시기: 테스트 데이터 생성, 샘플 데이터셋 생성, 개발용 현실적인 목 데이터 구성, 또는 테스트 환경 채우기 시.
Arguments:
$PRODUCT: 제품 또는 시스템 이름$DATASET_TYPE: 데이터 유형 (예: 고객 피드백, 거래 내역, 사용자 프로필)$ROWS: 생성할 행 수 (기본값: 100)$COLUMNS: 포함할 특정 컬럼 또는 필드$FORMAT: 출력 형식 (CSV, JSON, SQL, Python script)$CONSTRAINTS: 추가 제약 조건 또는 비즈니스 규칙import csv
import json
from datetime import datetime, timedelta
import random
# Configuration
ROWS = $ROWS
FILENAME = "$DATASET_TYPE.csv"
# Column definitions with realistic value generators
columns = {
"id": "auto-increment",
"name": "first_last_name",
"email": "email",
"created_at": "timestamp",
# Add more columns...
}
def generate_dataset():
"""Generate realistic dummy dataset"""
data = []
for i in range(1, ROWS + 1):
record = {
"id": f"U{i:06d}",
# Generate values based on column definitions
}
data.append(record)
return data
def save_as_csv(data, filename):
"""Save dataset as CSV"""
with open(filename, 'w', newline='') as f:
writer = csv.DictWriter(f, fieldnames=data[0].keys())
writer.writeheader()
writer.writerows(data)
if __name__ == "__main__":
dataset = generate_dataset()
save_as_csv(dataset, FILENAME)
print(f"Generated {len(dataset)} records in {FILENAME}")
데이터셋 유형: 고객 피드백
컬럼:
제약 조건:
CSV: 평면 테이블 형식, 스프레드시트와 데이터베이스로 쉽게 가져오기 가능
JSON: 중첩 구조, API 및 NoSQL 데이터베이스에 적합
SQL: INSERT 문, 관계형 데이터베이스에서 직접 실행 가능
Python Script: 사용자 정의 또는 대용량 데이터셋을 위한 실행 가능 생성기