Échantillon aléatoire de lignes CSV avec graine reproductible

Fournissez le texte CSV, la taille souhaitée et une graine entière : les trois mêmes entrées produisent toujours le même CSV échantillonné. Il convient particulièrement aux revues, tests, démonstrations et audits qui exigent un jeu de données réduit que vos collaborateurs peuvent recréer à l’identique.

Créez un sous-ensemble aléatoire que chacun peut reproduire

Un tirage aléatoire ordinaire devient gênant dès qu’une autre personne doit le répéter. Un tableur peut choisir de nouveaux enregistrements lors d’un recalcul, tandis qu’un script non documenté laisse planer un doute sur les changements entre deux exécutions. Cet outil intègre la graine aux données d’entrée, avec le texte CSV et la taille demandée. Des entrées identiques donnent donc exactement les mêmes enregistrements, ce qui convient aux expériences versionnées, aux comptes rendus de revue et aux contrôles qualité reproductibles. Le premier enregistrement CSV est toujours considéré comme l’en-tête et reste présent. Seuls les enregistrements suivants participent au tirage, et chacun ne peut apparaître qu’une fois. Les lignes retenues conservent leur ordre relatif d’origine, ce qui facilite la comparaison du fichier réduit avec sa source. Les champs entre guillemets peuvent contenir des virgules, des guillemets échappés ou des sauts de ligne sans être aplatis ni reconstruits.

Choisissez avec soin la taille et la graine

Renseignez sample_size avec le nombre exact d’enregistrements de données requis. La valeur zéro est acceptée et renvoie uniquement l’en-tête, ce qui permet de produire un jeu d’essai vide tout en conservant le schéma. La taille ne peut pas dépasser le nombre d’enregistrements disponibles, car le tirage se fait sans remise : demander davantage de lignes distinctes qu’il n’en existe serait impossible. La requête renvoie alors une erreur de saisie explicite au lieu de dupliquer des lignes ou de réduire silencieusement la taille. seed doit être un entier sûr. Ce n’est pas un secret de sécurité et elle n’a pas besoin d’être imprévisible ; elle sert à désigner une sélection reproductible. Une équipe peut la tirer d’un numéro d’expérience, de scénario de test ou de cycle de revue et la conserver avec le résultat. Modifier uniquement la graine produit généralement un autre sous-ensemble ; rétablir l’ancienne restaure l’ancienne sélection. Conservez le CSV source inchangé si la reproductibilité est indispensable.

Employez le CSV échantillonné à bon escient

Un sous-ensemble aléatoire facilite une inspection rapide, un test de bon fonctionnement d’un pipeline, une démonstration ou la diffusion de jeux d’essai maniables, mais il n’est pas automatiquement représentatif sur le plan statistique. Des catégories rares peuvent manquer par hasard, surtout lorsque l’échantillon demandé est petit. Si chaque catégorie doit apparaître, préférez une méthode stratifiée plutôt que de considérer un tirage libre comme une garantie. Cette capacité n’effectue aucun appel réseau, enrichissement, changement de type, conversion de séparateur ni nettoyage. Elle conserve les enregistrements CSV retenus et les place sous l’en-tête original, sans reformater les dates ni normaliser les nombres. Les enregistrements multilignes entre guillemets restent intacts. Les lignes physiques vides sous l’en-tête comptent également, car les supprimer modifierait la population fournie. Pour un flux automatisé, archivez la graine, la taille et une copie stable ou l’empreinte de la source. Une requête API coûte $0.002 ; le navigateur exécute localement le même calcul.