一、简介

本文主要是自己近期在做毕业设计(连续手语识别)时候写的几个python脚本，用于处理数据集的。记录一下。

二、 重点

本文撰写采用Windows操作系统，如果是Linux记得修改字符串分割方式及目录层数多加一层。

1. 数据集划分训练集与测试集

1.1 数据集为视频帧文件夹（文件夹划分）

trainNum 参数是划分训练集的视频数，即文件夹数，我的划分是9:1，总数是250个视频，那这里就写225。
dirLongNum 参数为你当前原数据集最深的目录层数
举个例子：
F:\data 是我视频帧数据集

000020是我的一个视频类，里面的事每个视频抽帧后的文件夹，要截止到最后一个文件夹

def splitTrainAndTestOnDir(rootFileDir, dstDir, trainNum, dirLongNum): # dirLongNum目录结构最长多少
    root_dir = os.walk(rootFileDir)
    # 训练集、测试集的路径，脚本测试用
    # root_train_dir = "F:/pytest/datat/train/"
    root_train_dir = dstDir + "/train/"
    # root_test_dir = "F:/pytest/datat/test/"
    root_test_dir = dstDir + "/test/"
    # 记录训练集个数
    trainFileCount = 0
    # 记录当前某类文件夹名
    lastFileDirName = ""

    # 开始遍历
    for root, dirs, files in root_dir:
        # 组合目录名
        nameFile = os.path.join(root)
        # 拆分成数组 注意修改
        nameArr = nameFile.split("\\")
        # 判定，根据文件夹目录关系：F:\newdata2\000000\P01_s1_00_0_color，判定 类 目录是否更换，即是否到了新的一类，如果到了，清零计数
        if lastFileDirName != str(nameArr[-2]):
            trainFileCount = 0
            # 重新赋值
            lastFileDirName = str(nameArr[-2])
        print(nameArr)
        # 训练集的数量
        if trainFileCount < trainNum:
            # 移动一次，加一
            trainFileCount = trainFileCount + 1
            # 定义训练集路径
            dstTrainPath = root_train_dir + str(nameArr[-2]) + "/" + str(nameArr[-1])
            # 由于遍历时候只需要带有类别和类别内的文件夹两层，根据当前路径得到了len(nameArr)==5时候是拆分后的全路径，然后进行文件夹复制，即将000000\某一个文件夹移动到新的目录下
            if len(nameArr) == dirLongNum:
                shutil.copytree(nameFile, dstTrainPath)
        else:
            # 类似于train，将类内剩余部分划分为测试集
            dstTestPath = root_test_dir + str(nameArr[-2]) + "/" + str(nameArr[-1])
            shutil.copytree(nameFile, dstTestPath)

不明白的部分可以保留住print(nameArr)，后面的注释看一下

1.2 数据集为视频文件（文件划分）

这次是记录文件数

def splitTrainAndTest(rootFileDir, dstDir, trainNum): #, trainDir, testDir
    root_dir = os.walk(rootFileDir)
    # root_train_dir = "F:/pytest/datat/train/"
    root_train_dir = dstDir + "/train/"
    # root_test_dir = "F:/pytest/datat/test/"
    root_test_dir = dstDir + "/test/"
    trainFileCount = 0
    lastFileDirName = ""
    for root, dirs, files in root_dir:
        for f in files:
            nameFile = os.path.join(root, f)
            print(nameFile)
            nameArr = nameFile.split("\\")
            if lastFileDirName != str(nameArr[-2]):
                trainFileCount = 0
                lastFileDirName = str(nameArr[-2])
            print(nameArr)
            if trainFileCount < trainNum:
                trainFileCount = trainFileCount + 1
                dstTrainPath = root_train_dir + str(nameArr[-2]) + "/" + str(nameArr[-1])
                creatDir(root_train_dir + str(nameArr[-2]))
                print(dstTrainPath)
                shutil.copy(nameFile, dstTrainPath)
            else:
                dstTestPath = root_test_dir + str(nameArr[-2]) + "/" + str(nameArr[-1])
                creatDir(root_test_dir + str(nameArr[-2]))
                shutil.copy(nameFile, dstTestPath)

2. label的重建

由于提供的数据集label不能直接使用，有所变化，转化成tsn的输入形式。这里学习着写了一下文件的读取与生成，思路来自于LeetCode的一到题，没事多刷刷算法能给自己提供更多的思路方法。

2.1 原label读取

采用字典去存取，因为后边会需要，一个类有多个视频，我得通过类文件夹去更新label，而不是计数的形式

def getLabelDict(labelFile):
    f = codecs.open(labelFile, mode='r', encoding='utf-8')  # 打开txt文件，以‘utf-8’编码读取
    line = f.readline()  # 以行的形式进行读取文件
    list1 = []
    dict1 = {}
    while line:
        print(line)
        a = line.split()
        b = a[0:1]   # 这是选取需要读取的位数
        c = a[1:2]
        dict1[str(b[0])] = str(c[0])
        list1.append(b)  # 将其添加在列表之中
        line = f.readline()
    f.close()
    return dict1

2.2 新label的建立

其中len(nameArr)的长度根据实际情况判定，这个只读取到类文件夹下的视频帧文件夹长度即可，满足长度的打标签，否则从root层就开始打label。

def listfiles(rootDir,txtfile,dict1):
    ftxtfile = open(txtfile, 'w', encoding='utf-8')
    list_dirs = os.walk(rootDir)
    count = 0
    fixNum = []
    for root, dirs, files in list_dirs:
        for f in files:
            nameFile = os.path.join(root, f)
            fixNum.append(nameFile)
        name = os.path.join(root)
        # print(os.path.join(root))
        # print(os.path.join(root,f))
        nameArr = name.split("\\")
        print(nameArr)
        label = ""
        try:
            # print(dict1[str(nameArr[4])])
            if len(nameArr) == 4 :
                # label = str(dict1[str(nameArr[4])])
                # print(label)
                txtString = os.path.join(root) + ' ' + str(len(fixNum)) + ' ' + str(dict1[str(nameArr[2])]) + '\n'
                print(txtString)
                ftxtfile.write(txtString)
        except:
            label = '1'
        fixNum = []
        count = count + 1
    #print rootDir+"has"+str(count)+"files"
    print( rootDir+"has "+str(count)+" files" )