leblanc: Sectorial Synthetic Data Generator

I. Overview

leblanc is a modular Python library designed for Data Scientists to rapidly generate large-scale synthetic datasets across various business sectors. Built on top of Pandas, NumPy, and Faker, it creates realistic, structured DataFrames suitable for training, testing, and Exploratory Data Analysis (EDA).

New in v0.6.3:

• Object-Oriented Design: Use Classes for better control.
• Internationalization (i18n): Native support for Brazilian Portuguese (pt_BR).
• Data Cleaning Practice: Native support for injecting missing values (NaN).

Supported Sectors (Classes)

Class	Data Generated	Key Domain Variables
Tech	Tech Sales	Unit Price, Quantity, Category
Food	Food & Beverages Sales	Expiration Date, Perishability
Apparel	Apparel & Fashion Sales	Size, Color, Return Flag
Financial	Financial Transactions	Interest Rate, Client Risk Level, Default Flag
HealthBeauty	Health & Beauty Sales/Services	Recurrence Days, Sales Channel
Agribusiness	Agribusiness Records	Climate Condition, Area (Ha), Production Yield
Forestry	Forestry Inventory/Harvest	Planting Age, Management Type, Total Volume ($m^3$)

---

II. Installation

leblanc is available on PyPI. Use pip to install the latest stable version:

pip install leblanc

III. Usage Example

1. Basic Usage (English - Default)

The library now uses classes with a standard .build() method.

import pandas as pd
from leblanc import Tech, Agribusiness

# 1. Generate Technology Sales Data
# Uses seed=42 by default for reproducibility
df_tech = Tech(num_records=1000).build()

print("--- Technology Data Sample ---")
print(df_tech.head())

# 2. Generate Agribusiness Records
df_agro = Agribusiness(num_records=500).build()

2. Brazilian Portuguese Support (pt_BR) 🇧🇷

You can generate data localized for Brazil (translated products, categories, and regions) by passing the locale parameter.

from leblanc import Food

# Generates data with 'Leite', 'Café', 'Açougue', etc.
df_food_br = Food(num_records=100, locale='pt_BR').build()

print(df_food_br.head())

3. Data Cleaning Practice (Injecting Nulls)

Perfect for teaching or testing how models handle missing data. You can inject NaN values into specific columns.

from leblanc import Financial

# Simulates a dirty dataset where 'contracted_value' has missing data
df_fin = Financial(num_records=1000).build(missing_data_cols=['contracted_value'])

print(f"Missing values generated: {df_fin['contracted_value'].isnull().sum()}")

IV. License

This project is licensed under the Apache License, Version 2.0. See the LICENSE for details.

🇧🇷 leblanc: Gerador Setorial de Dados Sintéticos

I. Visão Geral

leblanc é uma biblioteca Python modular projetada para a geração rápida de conjuntos de dados sintéticos de grande escala. É construída utilizando Pandas, NumPy e Faker para criar DataFrames estruturados e realistas, adequados para treinamento em Data Science, testes e análise exploratória de dados (EDA).

Novidades na v0.6.3:

Design Orientado a Objetos: Uso de Classes para maior controle.

Internacionalização (i18n): Suporte nativo para Português do Brasil (pt_BR).

Prática de Limpeza de Dados: Suporte nativo para injeção de valores nulos (NaN).

Setores Suportados (Classes)

Classe	Dados Gerados	Variáveis-Chave do Domínio
Tech	Vendas de Tecnologia	Preço Unitário, Quantidade, Categoria
Food	Vendas de Alimentos e Bebidas	Data de Validade, Perecibilidade
Apparel	Vendas de Vestuário e Moda	Tamanho, Cor, Flag de Devolução
Financial	Transações Financeiras	Taxa de Juros, Nível de Risco do Cliente, Flag de Inadimplência
HealthBeauty	Vendas/Serviços de Saúde e Beleza	Dias de Recorrência, Canal de Vendas
Agribusiness	Registros de Agronegócios	Condição Climática, Área (Ha), Produtividade
Forestry	Inventário/Colheita Florestal	Idade do Plantio, Tipo de Manejo, Volume Total (m³)

II. Instalação

leblanc está disponível no PyPI. Use o pip para instalar a versão estável mais recente:

pip install leblanc

III. Exemplos de Uso

1. Uso Básico (Padrão)

A biblioteca agora utiliza classes com um método padronizado .build().

import pandas as pd
from leblanc import Tech, Agribusiness

# 1. Gera Dados de Vendas de Tecnologia
# Usa seed=42 por padrão para reprodutibilidade
df_tech = Tech(num_records=1000).build()

print("--- Amostra de Dados de Tecnologia ---")
print(df_tech.head())

2. Suporte a Português (pt_BR) 🇧🇷

Você pode gerar dados localizados para o Brasil (produtos, categorias e regiões traduzidas) passando o parâmetro locale.

from leblanc import Food

# Gera dados com 'Leite', 'Café', 'Açougue', etc.
df_food_br = Food(num_records=100, locale='pt_BR').build()

print(df_food_br.head())

3. Prática de Limpeza de Dados (Injeção de Nulos)

Perfeito para estudo de como modelos lidam com dados faltantes. Você pode injetar valores NaN em colunas específicas.

from leblanc import Financial

# Simula um dataset "sujo" onde 'contracted_value' possui dados faltantes
df_fin = Financial(num_records=1000).build(missing_data_cols=['contracted_value'])

print(f"Valores nulos gerados: {df_fin['contracted_value'].isnull().sum()}")

IV. Licença

Este projeto está licenciado sob a Apache License, Version 2.0. Consulte a LICENSE para obter detalhes.