如何高效将jpg图片作为额外列加入汽车信息pandas数据框

优化属性提取代码 #

你原来的循环拆分写法确实冗余，直接用pandas批量拆分即可，代码简洁性和运行效率都更高：

import os
import pandas as pd
import numpy as np
from PIL import Image

# 配置路径
img_root = r"你的图片存放目录"
# 筛选所有jpg文件，同时生成完整路径
car_files = [f for f in os.listdir(img_root) if f.lower().endswith(".jpg")]
full_img_paths = [os.path.join(img_root, f) for f in car_files]

# 定义属性列名，顺便补上最后3位唯一标识符的字段
attr_cols = [
    "make", "model", "year", "msrp", "front_wheel_size", "sae_net_hp",
    "displacement", "engine_type", "width", "height", "length", "mpg",
    "drivetrain", "passenger_capacity", "doors", "body_style", "unique_id"
]
# 批量拆分文件名生成属性表，不需要单独维护十几个列表
df = pd.DataFrame(
    [f.rsplit(".", 1)[0].split("_") for f in car_files],
    columns=attr_cols
)

最高效添加图片列的方案 #

分两种场景按需选择：

1. 优先推荐：存图片本地路径
   这是性能开销最低、最通用的方案，不会让DataFrame变得臃肿，后续需要用图片时读路径加载即可，添加方式一行代码搞定：

   df["img_path"] = full_img_paths
   

   65000条数据可以瞬间完成添加，几乎没有额外内存占用。

2. 特殊需求：存图片像素数据
   如果你确实需要把图片内容直接存入DataFrame（比如后续直接用于模型训练，不想每次单独读文件），可以用apply批量加载，建议提前把图片缩放到你需要的尺寸，避免内存溢出：

   def load_resize_img(path, target_size=(224, 224)):
       img = Image.open(path).resize(target_size)
       # 可根据需求返回PIL对象/ numpy数组/ 二进制字符串
       return np.array(img)
   
   df["img_data"] = df["img_path"].apply(load_resize_img)
   

内容的提问来源于stack exchange，提问作者Nish