如何将CK+数据集转为图像-情感列DataFrame及实现文件夹标签标注

是否有必要转换为DataFrame？ #

• 做数据探索时（比如统计各情感标签的样本数量、查看样本路径分布），DataFrame是高效的结构化格式，能快速用pandas的统计函数、可视化工具分析数据。
• 对接scikit-learn、XGBoost等传统机器学习框架时，DataFrame可直接作为数据载体，配合train_test_split等函数划分数据集。
• 若用PyTorch/TensorFlow的原生Dataset类加载数据，也可以不转DataFrame，但DataFrame能帮你提前梳理清楚所有样本的标签对应关系，避免加载时出现标签错误。

简单总结：数据探索和传统ML流程建议转；纯深度学习流水线可直接用文件夹结构加载，但转DataFrame能降低出错概率。

如何将文件夹名作为标签生成DataFrame？ #

可以用Python的pathlib（更简洁）或os模块遍历数据集目录，收集每个图像的路径和对应的文件夹名（即情感标签），再转换为DataFrame。

代码示例（用pathlib） #

import pandas as pd
from pathlib import Path

# 替换为你的CK+数据集根目录路径
dataset_root = Path("/path/to/CK+_dataset")

# 存储图像路径和标签的列表
data = []
# 遍历所有情感文件夹
for emotion_dir in dataset_root.iterdir():
    if emotion_dir.is_dir():
        # 获取情感标签（文件夹名）
        label = emotion_dir.name
        # 遍历文件夹下的所有图像文件（假设图像是jpg/png格式）
        for img_path in emotion_dir.glob("*.jpg"):  # 若为png则改成*.png
            data.append({"image_path": str(img_path), "emotion_label": label})

# 转换为DataFrame
df = pd.DataFrame(data)

# 查看前5行验证
print(df.head())

代码说明 #

• Path.iterdir()遍历根目录下的所有子目录，筛选出文件夹（即情感类别）。
• emotion_dir.name直接获取文件夹名作为情感标签，完美匹配需求。
• glob("*.jpg")匹配文件夹下的所有jpg图像，根据实际图像格式调整后缀即可。
• 最终生成的DataFrame包含image_path（图像的绝对/相对路径）和emotion_label（情感标签）两列。

额外提示 #

• 如果需要将标签转换为数值（比如Anger=0, Contempt=1），可以用pd.factorize()：

  df["emotion_label_num"], unique_labels = pd.factorize(df["emotion_label"])
  

• 用df["emotion_label"].value_counts()可快速统计各情感类别的样本数量，检查数据分布是否均衡。

内容的提问来源于stack exchange，提问作者Nocry