猫狗数据集精简：如何用Python高效随机删除指定数量文件？

嘿，你的需求其实可以通过封装通用逻辑+跨平台路径处理来大幅简化代码，而且还能让它同时兼容Ubuntu和Windows系统。我来给你优化一下：

首先，你的现有代码已经能实现功能，但存在重复逻辑（猫狗文件夹处理代码几乎一样），而且手动拼接路径容易在Windows上出问题。咱们可以把核心逻辑抽成一个函数，再用pathlib来处理路径，这样代码更干净、更通用。

优化后的代码方案 #

import os
import random
from pathlib import Path

def keep_n_files(folder_path, keep_count=2000):
    # 将路径转为Path对象，自动适配跨平台路径分隔符
    folder = Path(folder_path)
    # 获取文件夹下所有文件（排除子文件夹，只保留文件）
    all_files = [f for f in folder.iterdir() if f.is_file()]
    
    # 如果文件总数已经小于等于要保留的数量，直接返回
    if len(all_files) <= keep_count:
        print(f"文件夹 {folder_path} 中的文件数量已少于或等于 {keep_count}，无需删除")
        return
    
    # 计算需要删除的文件数量，随机选择要删除的文件
    delete_count = len(all_files) - keep_count
    files_to_delete = random.sample(all_files, delete_count)
    
    # 批量删除文件
    for file in files_to_delete:
        try:
            os.remove(file)
            print(f"已删除文件: {file}")
        except OSError as e:
            print(f"删除文件 {file} 失败: {e}")

# 调用函数处理猫狗文件夹
keep_n_files('dogs')
keep_n_files('cats')

代码亮点说明 #

• 跨平台兼容：用pathlib.Path处理路径，自动识别Windows的\和Linux的/，不用手动拼接路径字符串。
• 逻辑复用：把删除逻辑封装成函数，处理多个文件夹只需要调用两次，避免重复代码。
• 健壮性提升：加入了文件数量判断（如果文件本来就少于2000就不操作），还有异常捕获，避免单个文件删除失败导致整个脚本终止。
• 轻量无依赖：用Python标准库的random.sample代替numpy.random.choice，不需要额外安装numpy，更轻量化。

安全提示 #

• 执行删除操作前，一定要先备份数据集！可以先把os.remove(file)改成print(file)，先预览要删除的文件，确认无误后再执行删除。
• 如果你的文件夹里有子文件夹，代码里的f.is_file()会自动跳过它们，只处理文件，避免误删文件夹。

内容的提问来源于stack exchange，提问作者Mohamed Thasin ah