前面我介绍了可视化的一些方法以及机器学习在预测方面的应用，分为分类问题（预测值是离散型）和回归问题（预测值是连续型）（具体见之前的文章）。

从本期开始，我将做一个关于图像识别的系列文章，让读者慢慢理解python进行图像识别的过程、原理和方法，每一篇文章从实现功能、实现代码、实现效果三个方面进行展示。

实现功能：

实现按比例随机抽取图像移动到另一文件夹。

实现代码：

import os, random, shutil

#======从文件夹中按比例随机选取图片移动到另一个文件夹=======
def moveFile_rate(fileDir):
    pathDir = os.listdir(fileDir)
    print(pathDir)
    for i in pathDir:
        filepath=fileDir+i
        filepathDir=os.listdir(filepath)
        print(filepathDir)
        filenumber=len(filepathDir)

        tarpath=tarDir +i
        print(tarpath)
        if not os.path.exists(tarpath):
            os.makedirs(tarDir +i)

        rate=0.5
        picknumber=int(filenumber*rate)
        sample = random.sample(filepathDir, picknumber)
        print(sample)
        for name in sample:
                shutil.move(filepath+'\\' +name, tarpath+'\\' +name)
    return

if __name__ == '__main__':
    fileDir ="D:\电池条带\案例\data\\"
    tarDir = 'D:\电池条带\案例\dataset\\train\\'
    moveFile_rate(fileDir)

实现效果：

原文件夹目录下图像文件：

 

 控制台输出：

 目标文件下转移后文件：

 

        本人读研期间发表5篇SCI数据挖掘相关论文，现在在某研究院从事数据挖掘相关工作，对数据挖掘有一定的认知和理解，会不定期分享一些关于python机器学习、深度学习、数据挖掘基础知识与案例。致力于只做原创，以最简单的方式让你理解和学习它们，关注V数据杂坛与我一起交流成长。