如何将本地文件保存至Colab指定目录以适配sklearn.datasets.load_files加载

没问题，我来帮你搞定这个事儿！

首先得明确：sklearn.datasets.load_files要求目标目录下直接存放子文件夹作为类别标签，每个子文件夹里放对应类别的文件。所以我们先搭好符合要求的目录结构，再上传文件。

步骤1：创建符合要求的目标目录 #

先在Colab里创建你需要的特定目录，以及对应的子类别文件夹，比如我们要做一个分类数据集，根目录叫my_custom_dataset，子类别是cat_photos和dog_photos：

import os

# 定义根目录路径
target_root = '/content/my_custom_dataset'
# 定义各个类别的子文件夹名
class_folders = ['cat_photos', 'dog_photos']

# 创建根目录（exist_ok=True避免目录已存在时报错）
os.makedirs(target_root, exist_ok=True)
# 循环创建每个类别子文件夹
for folder in class_folders:
    os.makedirs(os.path.join(target_root, folder), exist_ok=True)

步骤2：上传本地文件到对应目录 #

这里分两种场景，按需选择：

场景1：少量文件，逐个上传 #

运行下面的代码，会弹出本地文件选择窗口，选完文件后，我们把它移动到指定的类别子文件夹里：

from google.colab import files
import shutil

# 触发本地文件上传
uploaded_files = files.upload()

# 把上传的文件移动到目标类别文件夹（这里以cat_photos为例）
for filename in uploaded_files.keys():
    target_path = os.path.join(target_root, 'cat_photos', filename)
    shutil.move(filename, target_path)
    print(f"文件 {filename} 已移至 {target_path}")

如果要传其他类别的文件，重复运行这段代码，修改目标子文件夹名即可。

场景2：大量文件，用ZIP包批量上传 #

如果本地已经按类别整理好文件夹（比如本地有my_custom_dataset/cat_photos和my_custom_dataset/dog_photos），先把整个my_custom_dataset压缩成ZIP包，再用下面的代码上传解压：

from google.colab import files
import zipfile

# 上传ZIP包
uploaded_zip = files.upload()

# 获取上传的ZIP文件名（默认取第一个上传的文件）
zip_name = next(iter(uploaded_zip.keys()))

# 解压到/content目录下（这样解压后就是/content/my_custom_dataset）
with zipfile.ZipFile(zip_name, 'r') as zip_ref:
    zip_ref.extractall('/content/')

# 可选：删除临时的ZIP文件
os.remove(zip_name)
print("ZIP包已解压完成，临时文件已删除")

步骤3：用sklearn.load_files加载数据集 #

目录和文件都准备好后，直接加载根目录即可：

from sklearn.datasets import load_files

# 加载数据集
dataset = load_files(target_root)

# 验证加载结果
print(f"识别到的类别：{dataset.target_names}")
print(f"总文件数量：{len(dataset.data)}")

小检查 #

如果不确定目录结构对不对，运行下面的命令查看目录树：

!ls -R /content/my_custom_dataset

内容的提问来源于stack exchange，提问作者abdullrahman elhayek