python---类的定义和使用

 

# 一般，使用 class 语句来创建一个新类，class之后为类的名称(通常首字母大写)并以冒号结尾，例如:
# 类中可以定义所使用的方法，类的方法与普通的函数只有一个特别的区别——它们必须有一个额外的第一个参数名称, 按照惯例它的名称是 self；
# init()方法是一种特殊的方法，被称为类的初始化方法，当创建这个类的实例时就会调用该方法；
# self 代表类的实例，self 在定义类的方法时是必须有的，虽然在调用时不必传入相应的参数；

# 类的定义
class Ticket():
    def __init__(self,checi,fstation,tstation,fdate,ftime,ttime):
        self.checi=checi
        self.fstation=fstation
        self.tstation=tstation
        self.fdate=fdate
        self.ftime=ftime
        self.ttime=ttime
    def printinfo(self):
        print("车次：",self.checi)
        print("出发站：", self.fstation)
        print("到达站：", self.tstation)
        print("出发时间：", self.fdate)

#类的对象的创建：
#创建a1对象
a1=Ticket("G2020","shenyang","shandong",'2020-03-31','15:00','18:00')
#创建a2对象
a2=Ticket("T2019","wuhan","chongqing",'2020-03-30','13:00','19:00')

#最后是对象属性的访问：
a1.printinfo()
a2.printinfo()

 

 

# eg9-train-val-txt.py

# _*_ coding:utf8 _*_

###################################################################
## 定义一个类，这个类将用于批量处理图像，包括若干功能：
## (1)统一图像的格式为jpg。
## (2)将多个图片文件夹构造成一个用于图像分类的数据集，产生txt文件，每一行的格式为：图片路径 标签
## (3)txt文件按照7:3的比例分为训练集和测试集，并随机打乱顺序
###################################################################

import os
import sys
import shutil
import cv2
import random


# 类的定义
class GeneDataset():
    def __init__(self, rootdir):
        self.rootdir = rootdir
        self.subdirs = []
        self.subdirimages = []
        self.numclasses = 0
        self.lines = []
       
    def looksubdir(self):
        list_dirs = os.walk(self.rootdir)
        for root, dirs, files in list_dirs:
            for d in dirs:
                self.subdirs.append(os.path.join(root,d))
                print( "subdir=",os.path.join(root,d) ) #print "subdir=",os.path.join(root,d)
                self.numclasses = self.numclasses + 1

    def reformat(self):
        label = 0
        for subdir in self.subdirs:
            list_dirs = os.walk(subdir)
            for root, dirs, files in list_dirs:
                for f in files:
                    srcname = os.path.join(root,f)
                    print( "srcname",srcname ) #print "srcname",srcname
                    srcformat = srcname.split('.')[-1]
                    if srcformat is not ".jpg":
                       img = cv2.imread(srcname)
                       newname = srcname.replace(srcformat,'jpg')
                       print( "newname=",newname ) #print "newname=",newname
                       cv2.imwrite(newname,img)
                       self.lines.append(newname+' '+str(label)+'\n')
                       os.remove(srcname)
            label = label + 1 

    def split_train_val(self,trainfile,testfile):
       if len(self.lines):
          random.shuffle(self.lines)
          ftrainfile = open(trainfile,'w')
          ftestfile = open(testfile,'w')
          trainlength = int(0.7*len(self.lines))
          for i in range(0,trainlength):
             ftrainfile.write(self.lines[i])
          for i in range(trainlength,len(self.lines)):
             ftestfile.write(self.lines[i])


# 类的创建和使用
#myclassdataset = GeneDataset(sys.argv[1])
myclassdataset = GeneDataset("/home/u/wp_data/learn-sh/新图像/")
myclassdataset.looksubdir()
myclassdataset.reformat()
myclassdataset.split_train_val('train.txt','test.txt')

 

# train.txt
/home/u/wp_data/learn-sh/新图像/2/20001.jpg 0
/home/u/wp_data/learn-sh/新图像/3/50006.jpg 1
/home/u/wp_data/learn-sh/新图像/2/20003.jpg 0
/home/u/wp_data/learn-sh/新图像/3/50004.jpg 1
/home/u/wp_data/learn-sh/新图像/3/50007.jpg 1
/home/u/wp_data/learn-sh/新图像/2/20004.jpg 0
/home/u/wp_data/learn-sh/新图像/3/50005.jpg 1
/home/u/wp_data/learn-sh/新图像/1/10005.jpg 2
/home/u/wp_data/learn-sh/新图像/2/20002.jpg 0
/home/u/wp_data/learn-sh/新图像/1/10001.jpg 2
/home/u/wp_data/learn-sh/新图像/3/50001.jpg 1


# test.txt
/home/u/wp_data/learn-sh/新图像/1/10002.jpg 2
/home/u/wp_data/learn-sh/新图像/3/50003.jpg 1
/home/u/wp_data/learn-sh/新图像/1/10003.jpg 2
/home/u/wp_data/learn-sh/新图像/3/50002.jpg 1
/home/u/wp_data/learn-sh/新图像/1/10004.jpg 2
/home/u/wp_data/learn-sh/新图像/2/20005.jpg 0