yolov5 数据集预处理（多文件夹同时提取文件并分类）（同时随机提取一定比例的图片和txt文件到指定文件）

yolov5 数据集预处理

最近老师要求了一个任务，要开始训练数据集了。

然后我就看到了密密麻麻已经将图片标记好的压缩包，jpg，txt，csv，zip文件全部都跑到了一起，我想着不能纯手工分类吧，50多个文件夹，我不得分死。所以就尝试着对这些数据分类了。

解压大家需要自行解压哈

功能

将文件夹内的东西全部移出，并删除空文件夹。同时可以将txt，jpg，csv，zip，rar文件分别放在不同的文件夹内。（这些文件夹如果没有会自动创建）

同时还有按照一定比例随机抽取文件的功能。

下面会有函数的讲解！

先附上代码：

已经给大家写好注释了，注意看哈

# 这是移文件的脚本
import csv
import imp
import random
import shutil
import os
import glob
import os, random, shutil

'''这是个移动文件的函数'''
def move_file(old_path, new_path,flag):        #前者可以是文件(文件夹)   后者为文件夹 flag 用于判断是否为文件夹
    if flag == 0:
        filelist = os.listdir(old_path) #列出该目录下的所有文件,listdir返回的文件列表是不包含路径的。
        for file in filelist:
            src = os.path.join(old_path, file)
            dst = os.path.join(new_path, file)
            shutil.move(src, dst)
    elif flag ==1:                      #如果不为文件夹，直接移动文件到指定目录
        src = old_path
        dst = new_path
        shutil.move(src, dst)


'''
参数1:你杂乱无章存放这各种各样文件地文件夹路径
参数2:你新的存放子文件夹的路径
可以进行文件类型的粗分类,可以看代码,再添加你想要单独领出来的文件类型    
'''
def move_all_file(old_path_all,new_path):
    old_path_every =''                                  #这是该文件夹下具体的文件（包含子文件夹）
    file_list = os.listdir(old_path_all)                #获取文件路径
    for i in range(len(file_list)):                     #遍利每一个文件夹
        if os.path.isdir(old_path_all+"/"+file_list[i]):    #判断下一个文件是否为文件夹
            old_path_every = old_path_all+"/"+file_list[i]  #设置总文件夹中每个文件的路径
            move_file(old_path_every, new_path,0)
            os.removedirs(old_path_every)                       #将空文件夹删除
        elif os.path.splitext(old_path_all+"/"+file_list[i])[1] == ".csv":
            old_path_every = old_path_all+"/"+file_list[i]
            mkdir("./csv")
            move_file(old_path_every, "./csv",1)
        elif os.path.splitext(old_path_all+"/"+file_list[i])[1] == ".zip":
            old_path_every = old_path_all+"/"+file_list[i]
            mkdir("./zip")
            move_file(old_path_every, "./zip",1)
        elif os.path.splitext(old_path_all+"/"+file_list[i])[1] == ".rar":
            old_path_every = old_path_all+"/"+file_list[i]
            mkdir("./rar")
            move_file(old_path_every, "./rar",1)
        elif os.path.splitext(old_path_all+"/"+file_list[i])[1] == ".txt":
            old_path_every = old_path_all+"/"+file_list[i]
            mkdir("./txt")
            move_file(old_path_every, "./txt",1)
        elif os.path.splitext(old_path_all+"/"+file_list[i])[1] == ".xml":
            old_path_every = old_path_all+"/"+file_list[i]
            mkdir("./xml")
            move_file(old_path_every, "./xml",1)
            

    # remove_file(old_path_all,new_path)                  #移动不是文件夹的文件

import os
 
'''这个就是一个简单的创建文件夹的函数'''
def mkdir(path):
	folder = os.path.exists(path)
	if not folder:                   #判断是否存在文件夹如果不存在则创建为文件夹
		os.makedirs(path)            #makedirs 创建文件时如果路径不存在会创建这个路径
		print ("---  new folder...  ---")
		print ("---  OK  ---")
	else:
		print ("---  There is this folder!  ---")
		
'''这个解决多个csv文件合并的问题,解放你的双手'''
def csv_row_connect(old_path_all):              #合并csv文件
    csv_list = glob.glob(old_path_all+'/*.csv')
    print('共发现%s个CSV文件'% len(csv_list))
    print('正在处理............')
    for i in csv_list:
        fr =  open(i,'r',encoding='utf-8',errors='ignore').read()
        with open('文件合集.csv','a',encoding='utf-8',errors='ignore') as f:
            f.write(fr)
    print('合并完毕！')


'''
从你存放的所有jpg格式图片和txt文件的文件夹中，随机抽取一定比例,放在你的新文件夹下
这里，我是设置的是yolov5要求的数据集格式（注意！！！这里是抽取，不是拷贝，所以抽取比例一定要注意）
这可以按照你输入的比例，随机抽取图片到你的指定文件夹
需要分析一下代码，但是是很简单的！！！
这里还没有优化好,注意看注释，！！！！感叹号的地方就是你要修改的路径

'''
#rate 自定义抽取图片的比例，比方说100张抽10张，那就是0.1
def allocate_date_set(older_picture_path,older_txt_path,rate):                      #则是随机抽取图片函数
        pathDir = os.listdir(older_txt_path)        #取图片的原始路径
        filenumber=len(pathDir)
                                                        
        picknumber=int(filenumber*rate)                 #按照rate比例从文件夹中取一定数量图片
        sample = random.sample(pathDir, picknumber)     #随机选取picknumber数量的样本图片
        mkdir("./images/train")
        mkdir("./images/test")
        mkdir("./images/val")
        mkdir("./labels/train")
        mkdir("./labels/test")
        mkdir("./labels/val")
        print (sample)
        for name in sample:
            picture_path_every =older_picture_path+'/'+os.path.splitext(name)[0]+".jpg"
            txt_path_every =older_txt_path+'/'+os.path.splitext(name)[0]+".txt"
            picture_name = os.path.splitext(name)[0]+".jpg"
            txt_name = os.path.splitext(name)[0]+".txt"
            if os.path.exists(picture_path_every) and os.path.exists(txt_path_every):
                shutil.move(picture_path_every, "./image/test/"+picture_name)           #需要修改的地方！！！！！！
                shutil.move(txt_path_every,"labels/test/"+txt_name)                     #!!!!!!!!!!
        return

# def move_data_set():



if __name__ == '__main__':
    move_all_file(old_path_all="./move_to",new_path="./test2")      #老目录 新目录
    csv_row_connect("./csv")
	# allocate_date_set(older_picture_path="./images",older_txt_path="./txt",rate = 0.6)#源图片文件夹路径  源txt文件

最后附上我一开始的数据集的样子
就是文件夹下有文件夹文件夹然后再是文件的样子。如果你们刚搜集来的数据也是这个样子，那应该能用我的这一份代码进行快速的分类。