如何用Python将文件随机均分为两份？现有脚本无法均分求建议

我来帮你搞定这个精准随机分割文件的需求！之前的脚本没法做到精准二等分，大概率是没控制好最终的行数比例，或者没处理总行数为奇数的情况。下面给你一套可行的解决方案，分两种场景：小文件（可以一次性读入内存）和大文件（内存友好型）。

方案一：小文件快速处理（一次性读入） #

这种方法适合文件不大的情况，操作简单且容易控制比例：

import random

def split_file_randomly(input_path, output_path1, output_path2):
    # 读取所有行，保留原始换行格式
    with open(input_path, 'r', encoding='utf-8') as f:
        all_lines = f.readlines()
    
    total = len(all_lines)
    # 计算分割点：奇数行时第一个文件多1行，保证尽可能均等
    split_count = (total + 1) // 2
    
    # 生成所有行的索引并随机打乱
    line_indices = list(range(total))
    random.shuffle(line_indices)
    
    # 分割索引组
    group1_indices = line_indices[:split_count]
    group2_indices = line_indices[split_count:]
    
    # 【可选】如果需要保留原文件的行顺序，就对索引排序；不需要则跳过这步
    group1_indices.sort()
    group2_indices.sort()
    
    # 写入第一个文件
    with open(output_path1, 'w', encoding='utf-8') as f1:
        for idx in group1_indices:
            f1.write(all_lines[idx])
    
    # 写入第二个文件
    with open(output_path2, 'w', encoding='utf-8') as f2:
        for idx in group2_indices:
            f2.write(all_lines[idx])

# 调用示例
split_file_randomly("your_input_file.txt", "output_part1.txt", "output_part2.txt")

关键细节说明： #

• 用readlines()读取所有行，确保每行的换行符被保留，避免输出文件格式错乱。
• split_count = (total +1) //2：完美处理奇数行的情况，比如总共有5行时，第一个文件3行，第二个2行，是最接近均等的分割方式；如果要求严格对半（仅偶数行场景），改成split_count = total //2即可。
• 随机打乱索引而非直接打乱行，既能实现随机选取，又能通过排序索引保留原文件的行顺序（可选）。

方案二：大文件内存友好处理 #

如果你的文件特别大（比如几GB），没法一次性读入内存，可以用概率抽样+计数控制的方法，保证最终分割比例精准：

import random

def split_large_file(input_path, output_path1, output_path2):
    # 第一步：先统计总行数
    total_lines = 0
    with open(input_path, 'r', encoding='utf-8') as f:
        for _ in f:
            total_lines +=1
    
    split_count = (total_lines +1) //2
    written_to_part1 = 0
    
    # 第二步：遍历文件，按概率分配行，同时控制数量
    with open(input_path, 'r', encoding='utf-8') as f, \
         open(output_path1, 'w', encoding='utf-8') as f1, \
         open(output_path2, 'w', encoding='utf-8') as f2:
        
        current_line_num = 0
        for line in f:
            remaining_needed = split_count - written_to_part1
            remaining_total = total_lines - current_line_num
            
            # 用动态概率保证最终正好选够split_count行
            if remaining_needed >0 and random.random() < remaining_needed / remaining_total:
                f1.write(line)
                written_to_part1 +=1
            else:
                f2.write(line)
            
            current_line_num +=1

原理说明： #

这个方法用了蓄水池抽样的变种逻辑，每一行都根据「还需要多少行到第一个文件」和「剩余总行数」来计算被选中的概率，确保最终第一个文件正好有split_count行，完全精准控制比例，同时不需要把整个文件读入内存。

常见问题排查 #

如果之前的脚本失效，大概率是这两个原因：

• 没有提前统计总行数，随机分配时没控制最终数量，导致比例偏差；
• 处理奇数行时没有做特殊处理，出现分割不均的情况。

按照上面的方案改，就能实现精准的随机二等分啦！

内容的提问来源于stack exchange，提问作者November