使用Python根据CSV指定图片列表从源目录迁移对应文件到目标目录

你只需要在移动环节增加过滤逻辑，直接遍历你从CSV提取到的目标图片列表做移动即可，调整后的代码如下：

单类别处理代码 #

import csv
import shutil
import os
from collections import defaultdict

# 提取CSV中的目标图片列表
columns = defaultdict(list)
with open('class0.csv') as f:
    reader = csv.DictReader(f)
    for row in reader:
        for k, v in row.items():
            columns[k].append(v)
# 转换为集合提升后续查找效率，适合大数据集场景
target_image_set = set(columns['images'])

source_dir = '/images'
target_dir = 'class0'

# 自动创建目标文件夹，避免路径不存在报错
os.makedirs(target_dir, exist_ok=True)

# 仅遍历目标图片列表做移动
for img_name in target_image_set:
    src_full_path = os.path.join(source_dir, img_name)
    # 增加存在性校验，避免文件不存在时报错中断
    if os.path.isfile(src_full_path):
        shutil.move(src_full_path, os.path.join(target_dir, img_name))
    else:
        print(f"未找到对应图片：{img_name}")

核心改动说明 #

• 不再遍历源目录下所有文件，直接遍历CSV提取的目标图片列表，不会误移动其他文件
• 将图片列表转为set类型，查找效率远高于列表，数据集规模大的时候性能优势明显
• 新增目标文件夹自动创建逻辑，无需手动提前建文件夹
• 新增源文件存在性校验，漏图时仅打印提示不会中断运行

多类别批量处理优化版本 #

如果要同时处理3个类别的CSV文件，可以直接用以下循环版本，无需重复写代码：

import csv
import shutil
import os
from collections import defaultdict

source_dir = '/images'
# 按你的实际文件配置修改即可
class_mapping = [
    ("class0.csv", "class0"),
    ("class1.csv", "class1"),
    ("class2.csv", "class2")
]

for csv_path, target_dir in class_mapping:
    columns = defaultdict(list)
    with open(csv_path) as f:
        reader = csv.DictReader(f)
        for row in reader:
            for k, v in row.items():
                columns[k].append(v)
    target_image_set = set(columns['images'])
    os.makedirs(target_dir, exist_ok=True)
    
    for img_name in target_image_set:
        src_full_path = os.path.join(source_dir, img_name)
        if os.path.isfile(src_full_path):
            shutil.move(src_full_path, os.path.join(target_dir, img_name))
        else:
            print(f"{csv_path} 中缺失对应图片：{img_name}")

内容的提问来源于stack exchange，提问作者fufu