El módulo más importante para acceder a archivos y carpetas desdes Python, es el módulo os
. Este módulo viene por defecto cuando instalamos Python (módulos built-int). También es muy usado el módulo glob
. Voy a pasar a responder las preguntas usando el ejemplo de la pregunta.
1. ¿Cómo recorrer lo que hay en una carpeta?
Podemos hacerlo usando el módulo os
y su función listdir
a esta función le pasamos el path de la carpeta que queremos tener sus archivos. Por ejemplo pongamos que queremos acceder a la carpeta Clase_1
perteneciente a train
:
import os
print(os.listdir("<PATH>/imagenes/train/Clase_1"))
Output: ["imagen_1.jpg", "imagen_2.png", "datos.csv", ...]
También podemos hacer lo mismo con glob
, en este caso le pedimos mediante el caracter especial *
que nos incluya todo lo que haya en la carpeta
import glob
glob.glob("<PATH>/(imagenes/train/clase_1/*")
Output: ["imagen_1.jpg", "imagen_2.png", "datos.csv", ...]
2. ¿Cómo filtrar los archivos?
Simplemente podemos crear un bucle for
con un condicional if
para filtrar los archivos que queramos, por ejemplo, si solo queremos los .png
:
import os
print([file for file in os.listdir("<PATH>/imagenes/train/clase_1") if '.png' in file])
Output: ["imagen_2.png", ...]
También se podría hjacer con glob
y más sencillo, ya que esta función implementa el bucle for
y el condicional por nosotros:
import glob
print(glob.glob("<PATH>/imagenes/train/clase_1/*.png"))
Output: ["imagen_2.png", ...]
Por último para esta respuesta, dejo respectivamente como se haría con os
y con glob
si quisieramos obtener más de un tipo de archivo, por ejemplo: .png
y .jpg
:
import os
print([file for file in os.listdir("<PATH>/imagenes/train/clase_1") if '.png' in file or '.jpg' in file])
import glob
tipos = ('*.jpg', '*.png')
print([glob.glob(f"<PATH>/imagenes/test/clase_1/{tip}") for tip in tipos])
3. ¿Cómo obtener distintas subcarpetas y ficheros?
En este caso, habría que utilizar os.walk()
, esta función, se le pasa el path de un directorio y nos da todo lo que contiene por niveles, esto quiero decir, que esta función nos devuelve una tupla de tuplas, que contiene los niveles accedidos, de tal forma que podemos desempaquetar en el bucle for
en el nivel que queramos, en este ejemplo, las imágenes:
import os
imagenes = [imagenes for directorio, subdirectorio, imagenes in os.walk("<PATH>/imagenes")]
print(imagenes)
Output
[[],
[],
['imagen_1.jpg', 'imagen_1.png', 'datos.csv', ...],
['imagen_1_1.jpg', 'imagen_2_1.png', 'datos.csv', ...],
[],
['imagen_1_t.jpg', 'imagen_1_t.png', 'datos.csv', ...],
['imagen_1_2_t.jpg', 'imagen_2_2_t.jpg', 'datos.csv', ...]]
Y podríamos aplanar esta lista de listas, de multiples formas para conseguir el resultado final obtenido,Aquí yo me creo una función lambda
para ello:
#Creo la función lambda
aplanar_lista = lambda lista: [elemento for sublista in lista for elemento in sublista]
#La aplico
print(aplanar_lista(imagenes))
Output:
['imagen_1.jpg', 'imagen_1.png', 'datos.csv', ..., 'imagen_1_1.jpg', 'imagen_2_1.png', 'datos.csv', ..., 'imagen_1_t.jpg', 'imagen_1_t.png', 'datos.csv', ..., 'imagen_1_2_t.jpg', 'imagen_2_2_t.jpg', 'datos.csv', ...]