如何正确使用random.sample？按比例随机复制配对的图片与文本文件

一、正确使用random.sample方法 #

random.sample是Python标准库里专门用来从可迭代对象（列表、集合等）中随机挑选指定数量不重复元素的工具，它不会修改原对象，而是返回一个全新的抽样列表，特别适合你需要选不重复文件对的场景。

核心用法 #

语法：random.sample(population, k)

• population：要抽样的源序列/集合（必须非空）
• k：要抽取的元素数量，必须满足 0 ≤ k ≤ len(population)，否则会抛出ValueError

简单示例 #

比如从一组编号里随机选3个不重复的：

import random

ids = ["im1", "news_im2", "pic3", "img4"]
selected = random.sample(ids, 2)
print(selected)  # 每次运行结果不同，比如 ["news_im2", "img4"] 或 ["im1", "pic3"]

注意事项 #

• 如果源是集合，random.sample会自动转为列表处理
• 不能用它处理无限迭代器，因为它需要先获取所有元素的长度
• 抽样的元素绝对不会重复，这刚好匹配你“选一组唯一文件对”的需求

二、按百分比随机复制同名图片和文本文件 #

结合你的需求，我写了一段带详细注释的代码，保证每次运行都能得到不同的随机结果：

完整代码实现 #

import os
import shutil
import random

def copy_random_pairs(source_dir, target_dir, percent=0.4):
    # 1. 遍历源目录，找出所有.png图片，提取不带扩展名的文件名前缀
    image_files = [f for f in os.listdir(source_dir) if f.lower().endswith('.png')]
    # 去重前缀（防止出现重名图片，根据你的描述这步可选，但加了更稳妥）
    file_prefixes = list({os.path.splitext(f)[0] for f in image_files})
    
    if not file_prefixes:
        print("源目录里没找到任何.png图片")
        return
    
    # 2. 计算要抽取的文件对数量
    sample_count = int(len(file_prefixes) * percent)
    # 避免百分比过低导致选0个的情况，可选调整
    sample_count = max(sample_count, 1)
    
    # 3. 随机挑选前缀，每次结果不同（默认用系统时间做随机种子）
    selected_prefixes = random.sample(file_prefixes, sample_count)
    
    # 4. 创建目标目录（如果不存在）
    os.makedirs(target_dir, exist_ok=True)
    
    # 5. 复制对应的图片和文本文件
    for prefix in selected_prefixes:
        img_src = os.path.join(source_dir, f"{prefix}.png")
        txt_src = os.path.join(source_dir, f"{prefix}.txt")
        
        # 复制图片
        if os.path.exists(img_src):
            shutil.copy2(img_src, target_dir)
            print(f"已复制: {img_src}")
        else:
            print(f"警告：图片文件缺失: {img_src}")
        
        # 复制文本
        if os.path.exists(txt_src):
            shutil.copy2(txt_src, target_dir)
            print(f"已复制: {txt_src}")
        else:
            print(f"警告：文本文件缺失: {txt_src}")

# 调用示例，替换成你的实际路径
if __name__ == "__main__":
    source_folder = "./your_images_and_texts"
    target_folder = "./random_selected_pairs"
    copy_random_pairs(source_folder, target_folder, percent=0.4)

关键细节说明 #

• 每次结果不同：Python的random模块默认会用系统当前时间作为随机种子，所以每次运行代码时，抽样结果都会不一样。如果你之前手动设置过random.seed()，记得删除那行代码，否则结果会固定。
• 百分比处理：代码用int()取整，如果你需要更精确的向上取整（比如总共有101个文件，40%是40.4，要取41个），可以改用math.ceil(len(file_prefixes)*percent)，记得先导入math模块。
• 容错处理：加了文件存在判断，避免个别文件缺失导致程序崩溃，你可以根据实际情况去掉或保留。

内容的提问来源于stack exchange，提问作者Jess