在单独的 csv 文件中对带有标签的标签数据集进行排序？

【问题标题】：Sort labeled dataset with labels in separate csv file?在单独的 csv 文件中对带有标签的标签数据集进行排序？
【发布时间】：2021-02-19 20:05:11
【问题描述】：

我有一个约 3500 张图像的数据集，每个图像的标签都在一个 csv 文件中。 csv 文件有两列：第一列包含图像文件的确切名称（即 00001.jpg），第二列包含图像的标签。共有 7 个不同的标签。

如何有效地将图像从一个巨大的文件夹分类到 7 个不同的文件夹（每个图像在其各自的类别中）？有没有人有脚本可以做到这一点？

另外，我有什么方法可以使用 Google 云端硬盘做到这一点？我已经将数据集上传到云端硬盘，以便尽快与 Colab 一起使用，所以我不想再做一次（大约需要 2.5 小时）。

【问题讨论】：

这是一个很小的数据集。这听起来更像是操作系统问题。您是在复制还是移动文件？
复制或移动是什么意思？即手动对数据集进行排序？
如果你移动一个文件，它应该可以忽略不计，因为它只是将文件重新定位到正确的子文件夹中，而不需要对文件内容做任何事情。

标签： python

【解决方案1】：

我不确定性能，可能有更好的方法...
但这将是我对这个问题的看法：
（未经测试，因此可能需要小幅调整）

我假设图像位于子文件夹 /images/ 中，但 csv 和脚本位于根目录中。此外，我假设 csv 名为 images.csv，而 csv 中的列名为 file 和 label。

import pandas as pd
import os

df = pf.DataFrame.from_csv('images.csv')

for _, row in df.iterrows():
  f = row['file']
  l = row['label']
  os.replace(f'images/{f}', f'images/{l}/{f}')

我不知道 google drive 会用它做什么，但只要你可以在 google-drive-synced 文件夹上运行它，我不知道为什么这会是个问题。

注意：如果你测试它，你可能想在文件的副本上这样做，以防我搞砸了......

【讨论】：