Campione casuale di righe CSV con seme riproducibile

Fornisca il testo CSV, la dimensione del campione e un seme intero: le stesse tre informazioni generano sempre lo stesso CSV campionato. È particolarmente utile quando revisioni, test, dimostrazioni o verifiche richiedono un insieme più piccolo che i Suoi collaboratori possano ricreare con precisione.

Crei un sottoinsieme casuale riproducibile da chiunque

Un normale campionamento casuale diventa scomodo quando un’altra persona deve ripeterlo. Un foglio di calcolo può scegliere record diversi dopo un ricalcolo, mentre uno script non documentato può lasciare dubbi su eventuali cambiamenti tra due esecuzioni. Questo strumento include il seme nell’input insieme al testo CSV e alla dimensione richiesta. Input identici producono quindi esattamente gli stessi record, una proprietà adatta a esperimenti versionati, note di revisione e controlli di qualità ripetibili. Il primo record CSV viene sempre interpretato come intestazione e viene conservato. Il campionamento riguarda soltanto i record successivi e ogni record può comparire al massimo una volta. Le righe restituite mantengono il loro ordine relativo originale, rendendo più semplice il confronto tra il file ridotto e la fonte. I campi racchiusi tra virgolette possono contenere virgole, virgolette con escape o interruzioni di riga; i confini dei record vengono riconosciuti senza appiattire o ricostruire il contenuto.

Scelga con attenzione dimensione e seme

Imposti sample_size sul numero esatto di record di dati richiesto. Il valore zero è valido e restituisce soltanto l’intestazione, utile per creare una fixture vuota che conservi comunque lo schema. La dimensione non può superare il numero di record disponibili, perché la selezione avviene senza reinserimento: chiedere più righe distinte di quante ne esistano renderebbe impossibile il risultato. In quel caso la richiesta restituisce un chiaro errore di input, senza duplicare record o diminuire silenziosamente la quantità. seed deve essere un intero sicuro. Non è un segreto e non deve essere imprevedibile; serve a identificare una selezione riproducibile. Un team può ricavarlo dal numero di un esperimento, di un caso di test o di un ciclo di revisione e conservarlo con il risultato. Modificando solo il seme si ottiene normalmente un altro sottoinsieme; ripristinando quello precedente si recupera la selezione precedente. Mantenga invariato il CSV sorgente quando la riproducibilità è importante.

Usi responsabilmente il CSV campionato nei test

Un sottoinsieme casuale è utile per controlli rapidi, smoke test di pipeline, dimostrazioni e distribuzione di fixture gestibili, ma non diventa automaticamente rappresentativo dal punto di vista statistico. Le categorie rare possono mancare per caso, soprattutto quando il campione richiesto è piccolo. Se ogni categoria deve comparire, adotti un processo stratificato invece di considerare garantita una selezione casuale senza vincoli. Questa capacità non esegue chiamate di rete, arricchimenti, conversioni di tipo, cambi di delimitatore o pulizia. Conserva i record CSV selezionati e li unisce sotto l’intestazione originale, evitando sorprese come date riscritte o numeri normalizzati. Anche i record multilinea tra virgolette rimangono intatti. Le righe fisiche vuote sotto l’intestazione vengono conteggiate, poiché eliminarle modificherebbe la popolazione fornita. Nei flussi automatici conservi il seme, la dimensione e una copia stabile o l’impronta della fonte. Ogni richiesta API costa $0.002; nel browser lo stesso calcolo viene eseguito localmente.