Python实现数据集划分(训练集和测试集)

 更新时间:2023年05月19日 17:06:07   作者:Python小丸子  
这篇文章主要为大家详细介绍了Python是如何实现数据集划分的,分为训练集和测试集,文中的实现方法讲解详细,感兴趣的小伙伴可以了解一下

前面是分部讲解,完整代码在最后。

导入模块 :

import os
from shutil import copy, rmtree
import random

创建文件夹 :

def make_file(file_path: str):
    if os.path.exists(file_path):
        rmtree(file_path)
    os.makedirs(file_path)

划分数据集的比例,本文是0.1:验证集的数量占总数据集的10%比如填0.1就是验证集的数量占总数据集的10%

random.seed(0)  
split_rate = 0.1 

数据集的存放:新建一个数据文件夹,将划分的数据集存放进去

data_path = r'D:\chengxu\data\caodi'  # 数据集存放的地方
data_root = r'D:\chengxu\data\cd'  # 这里是生成的训练集和验证集所处的位置,这里设置的是在当前文件夹下。
data_class = [cla for cla in os.listdir(data_path)]
print("数据的种类分别为:")
print(data_class)  # 输出数据种类

建立训练集文件夹:

train_data_root = os.path.join(data_root, "train")  # 训练集的文件夹名称为 train
make_file(train_data_root)
for num_class in data_class:
    make_file(os.path.join(train_data_root, num_class))

建立测试集文件夹:

val_data_root = os.path.join(data_root, "val")  # 验证集的文件夹名称为 val
make_file(val_data_root)
for num_class in data_class:
    make_file(os.path.join(val_data_root, num_class))

划分数据:

for num_class in data_class:
    num_class_path = os.path.join(data_path, num_class)
    images = os.listdir(num_class_path)
    num = len(images)
    val_index = random.sample(images, k=int(num * split_rate))  # 随机抽取图片
    for index, image in enumerate(images):
        if image in val_index:
            # 将划分到验证集中的文件复制到相应目录
            data_image_path = os.path.join(num_class_path, image)
            val_new_path = os.path.join(val_data_root, num_class)
            copy(data_image_path, val_new_path)
        else:
            # 将划分到训练集中的文件复制到相应目录
            data_image_path = os.path.join(num_class_path, image)
            train_new_path = os.path.join(train_data_root, num_class)
            copy(data_image_path, train_new_path)
    print("\r[{}] split_rating [{}/{}]".format(num_class, index + 1, num), end="")  # processing bar
    print()
print("       ")
print("       ")
print("划分成功")

完整代码:

import os
from shutil import copy, rmtree
import random
 
 
def make_file(file_path: str):
    if os.path.exists(file_path):
 
        rmtree(file_path)
    os.makedirs(file_path)
 
random.seed(0) 
 
# 将数据集中10%的数据划分到验证集中
split_rate = 0.1  
data_path = r'D:\chengxu\data\caodi'  # 数据集存放的地方,建议在程序所在的文件夹下新建一个data文件夹,将需要划分的数据集存放进去
data_root = r'D:\chengxu\data\cd'  # 这里是生成的训练集和验证集所处的位置,这里设置的是在当前文件夹下。
 
data_class = [cla for cla in os.listdir(data_path)]
print("数据的种类分别为:")
print(data_class)  
# 建立保存训练集的文件夹
train_data_root = os.path.join(data_root, "train")  # 训练集的文件夹名称为 train
make_file(train_data_root)
for num_class in data_class:
    # 建立每个类别对应的文件夹
    make_file(os.path.join(train_data_root, num_class))
 
# 建立保存验证集的文件夹
val_data_root = os.path.join(data_root, "val")  # 验证集的文件夹名称为 val
make_file(val_data_root)
for num_class in data_class:
    # 建立每个类别对应的文件夹
    make_file(os.path.join(val_data_root, num_class))
 
for num_class in data_class:
    num_class_path = os.path.join(data_path, num_class)
    images = os.listdir(num_class_path)
    num = len(images)
 
    val_index = random.sample(images, k=int(num * split_rate))  # 随机抽取图片
    for index, image in enumerate(images):
        if image in val_index:
          
            data_image_path = os.path.join(num_class_path, image)
            val_new_path = os.path.join(val_data_root, num_class)
            copy(data_image_path, val_new_path)
        else:
      
            data_image_path = os.path.join(num_class_path, image)
            train_new_path = os.path.join(train_data_root, num_class)
            copy(data_image_path, train_new_path)
    print("\r[{}] split_rating [{}/{}]".format(num_class, index + 1, num), end="")  # processing bar
    print()
 
print("       ")
print("       ")
print("划分成功")

到此这篇关于Python实现数据集划分(训练集和测试集)的文章就介绍到这了,更多相关Python数据集划分内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • pandas的相关系数与协方差实例

    pandas的相关系数与协方差实例

    今天小编就为大家分享一篇pandas的相关系数与协方差实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-12-12
  • 基于pycharm导入模块显示不存在的解决方法

    基于pycharm导入模块显示不存在的解决方法

    今天小编就为大家分享一篇基于pycharm导入模块显示不存在的解决方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-10-10
  • Python pickle模块常用方法代码实例

    Python pickle模块常用方法代码实例

    这篇文章主要介绍了Python pickle模块常用方法代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-10-10
  • 使用python检测主机存活端口及检查存活主机

    使用python检测主机存活端口及检查存活主机

    这篇文章主要介绍了使用python检测主机存活端口及检查存活主机的相关资料,需要的朋友可以参考下
    2015-10-10
  • PYTHON 中使用 GLOBAL引发的一系列问题

    PYTHON 中使用 GLOBAL引发的一系列问题

    这篇文章主要介绍了PYTHON 中使用 GLOBAL引发的一系列问题的相关资料,需要的朋友可以参考下
    2016-10-10
  • Python使用pymssql连接SQL SEVER数据库全流程

    Python使用pymssql连接SQL SEVER数据库全流程

    SQL Server是微软推出的重量级的数据库,目前有多个版本,如2000、2008、2012等,下面这篇文章主要给大家介绍了关于Python使用pymssql连接SQL SEVER数据库的相关资料,需要的朋友可以参考下
    2023-12-12
  • python实现定时器的5种方法

    python实现定时器的5种方法

    本文主要介绍了python实现定时器的5种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2023-03-03
  • python 获取字符串MD5值方法

    python 获取字符串MD5值方法

    今天小编就为大家分享一篇python 获取字符串MD5值方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-05-05
  • Python数据结构与算法之图的最短路径(Dijkstra算法)完整实例

    Python数据结构与算法之图的最短路径(Dijkstra算法)完整实例

    这篇文章主要介绍了Python数据结构与算法之图的最短路径(Dijkstra算法),结合完整实例形式分析了Python图的最短路径算法相关原理与实现技巧,需要的朋友可以参考下
    2017-12-12
  • Python+NumPy绘制常见曲线的方法详解

    Python+NumPy绘制常见曲线的方法详解

    NumPy(Numerical Python)是Python的一种开源的数值计算扩展。本文将利用NumPy库绘制利萨茹曲线、计算斐波那契数列、方波和锯齿波和三角波,需要的可以参考一下
    2022-06-06

最新评论