在使用 Python 将图片分配到两个不同的文件夹时，通常是为了数据集的划分，例如训练集和验证集，或者测试集和非测试集。这种任务可以通过 `os` 和 `shutil` 模块来完成。以下是一个完整的实现方案： ### 按比例划分图片到两个文件夹 ```python import os import random import shutil def split_images(source_dir, train_dir, val_dir, val_ratio=0.2): """ 将指定文件夹中的图片按比例分配到两个目标文件夹中。 参数: source_dir (str): 原始图片文件夹路径。 train_dir (str): 训练集图片目标文件夹路径。 val_dir (str): 验证集图片目标文件夹路径。 val_ratio (float): 验证集所占比例，默认为0.2。 """ # 获取源文件夹中的所有文件名 all_files = os.listdir(source_dir) total_files = len(all_files) # 计算验证集文件数量 val_count = int(total_files * val_ratio) # 随机选取验证集文件 val_files = random.sample(all_files, val_count) # 移动验证集文件到验证文件夹 for file in val_files: src_path = os.path.join(source_dir, file) dest_path = os.path.join(val_dir, file) shutil.move(src_path, dest_path) # 将剩余文件移动到训练文件夹 remaining_files = [f for f in all_files if f not in val_files] for file in remaining_files: src_path = os.path.join(source_dir, file) dest_path = os.path.join(train_dir, file) shutil.move(src_path, dest_path) if __name__ == "__main__": # 设置文件夹路径 source_directory = "path/to/source/folder" # 源文件夹 train_directory = "path/to/train/folder" # 训练集文件夹 validation_directory = "path/to/val/folder" # 验证集文件夹 # 创建目标文件夹（如果不存在） os.makedirs(train_directory, exist_ok=True) os.makedirs(validation_directory, exist_ok=True) # 调用函数划分数据集 split_images(source_directory, train_directory, validation_directory, val_ratio=0.2) ``` ### 说明 1. **函数功能**： - `split_images` 函数会将指定文件夹中的所有图片按比例划分为两部分，并分别移动到两个目标文件夹中。 - `val_ratio` 参数用于控制验证集占总数据的比例，默认是 20%。 2. **关键模块**： - `os`：用于操作文件系统，如创建文件夹、获取文件列表等。 - `shutil`：用于移动文件，提供 `shutil.move()` 方法，可以将文件从一个位置移动到另一个位置。 - `random`：用于随机选择验证集的文件，避免数据分布不均。 3. **注意事项**： - 确保目标文件夹存在，否则会抛出错误。可以通过 `os.makedirs` 确保文件夹存在。 - 如果需要保留原始文件夹中的内容，可以将 `shutil.move()` 替换为 `shutil.copy()`。 ### 批量处理多个子文件夹 如果源文件夹下包含多个子文件夹（例如每个类别一个文件夹），并且需要将每个子文件夹中的图片分配到两个不同的文件夹中，可以采用如下方法： ```python def split_subfolders(source_parent, train_parent, val_parent, val_ratio=0.2): """ 遍历源文件夹下的所有子文件夹，并将每个子文件夹中的图片分配到两个目标文件夹中。 参数: source_parent (str): 源文件夹的父目录。 train_parent (str): 训练集的父目录。 val_parent (str): 验证集的父目录。 val_ratio (float): 验证集所占比例。 """ for folder in os.listdir(source_parent): source_dir = os.path.join(source_parent, folder) train_dir = os.path.join(train_parent, folder) val_dir = os.path.join(val_parent, folder) # 创建目标文件夹（如果不存在） os.makedirs(train_dir, exist_ok=True) os.makedirs(val_dir, exist_ok=True) # 调用之前的函数处理每个子文件夹 split_images(source_dir, train_dir, val_dir, val_ratio) if __name__ == "__main__": source_parent_directory = "path/to/source/parent" # 源文件夹的父目录 train_parent_directory = "path/to/train/parent" # 训练集的父目录 validation_parent_directory = "path/to/val/parent" # 验证集的父目录 split_subfolders(source_parent_directory, train_parent_directory, validation_parent_directory, val_ratio=0.2) ``` ### 说明 1. **批量处理**： - 该函数会遍历源文件夹下的所有子文件夹，并对每个子文件夹调用 `split_images` 函数，将其中的图片分配到训练集和验证集中。 - 每个目标文件夹结构与源文件夹保持一致，确保分类正确。 2. **应用场景**： - 适用于深度学习项目中数据集的划分，例如图像分类任务。 - 可以根据需要调整验证集的比例，以适应不同的训练需求。 ### 总结 通过上述方法，可以轻松地将图片分配到两个不同的文件夹中。如果需要处理大量图片或多个子文件夹，这种方法尤其有效。此外，可以通过调整参数来满足不同的需求，例如修改验证集的比例或保留原始文件夹中的内容。 ---