有些时候,我们有一个完整的数据集,可能包含有图像,标签等等。但是因为程序读取的需要,我们需要把这些数据集划分成训练集和测试集,并保存到其他路径。
test_size表示划分后测试集占比
random_state表示划分的随机数
dir_path是总文件夹,里面包含有许多子文件,这些子文件夹中包含我们需要划分的文件(比如图片,音频,txt文档等等)
dir_path
└───folder1
│ │ file011.txt
│ │ file012.txt
│ │ ...
└───folder2
│ │ file011.jpg
│ │ file012.jpg
│ │ ...
└───...
save_path是划分后的保存路径,里面包含train,test两个文件夹。
此外,save_path不需要人为建好,程序会自动创建。
from sklearn.model_selection import train_test_split
import os
import shutil
test_size=0.25
random_state=1
dir_path=r'all'
save_path=r'trainval'
def copy(source, target): # 复制粘贴文件source到target文件夹
target_path = os.path.join(target, os.path.basename(source))
shutil.copy(source, target_path)
def make(folder_path):
if not os.path.exists(folder_path): # 判断是否存在文件夹如果不存在则创建为文件夹
os.makedirs(folder_path)
save_path_test=os.path.join(save_path,'test')
save_path_train=os.path.join(save_path,'train')
sub_dir_list=os.listdir(dir_path)
sub_dir_path_list=[os.path.join(dir_path,id) for id in sub_dir_list]
make(save_path)
make(save_path_train)
make(save_path_test)
for i in range(len(sub_dir_path_list)):
image_list = os.listdir(sub_dir_path_list[i])
save_path_test_subdir = os.path.join(save_path_test, sub_dir_list[i])
save_path_train_subdir = os.path.join(save_path_train, sub_dir_list[i])
make(save_path_test_subdir)
make(save_path_train_subdir)
images_train, images_test= train_test_split(image_list, test_size=test_size,random_state=random_state, shuffle=True)
image_train_list=[os.path.join(sub_dir_path_list[i],id) for id in images_train]
image_test_list = [os.path.join(sub_dir_path_list[i], id) for id in images_test]
for j in range(len(image_train_list)):
copy(image_train_list[j],save_path_train_subdir)
for j in range(len(image_test_list)):
copy(image_test_list[j],save_path_test_subdir)