读取txt里的图片名字，把图片随机分配到2个文件，Python代码示例

import random

# 读取txt里的图片名字
with open('image_list.txt', 'r') as f:
    image_list = f.readlines()

# 随机分配图片到2个文件
random.shuffle(image_list)
half = len(image_list) // 2
with open('group1.txt', 'w') as f1, open('group2.txt', 'w') as f2:
    f1.write('\n'.join(image_list[:half]))
    f2.write('\n'.join(image_list[half:]))

这段代码将会读取名为"image_list.txt"的文件，里面存放着图片的文件名，每一行都是一个图片的文件名。然后会打乱这些图片的顺序，并且把他们平均分成两组，分别写入"group1.txt"和"group2.txt"文件里。

相关问题

python 读取csv文件中心点算法代码

以下是使用Python读取CSV文件并实现K中心点算法的代码示例：

import csv
import random
import math

# 读取CSV文件
def read_csv(filename):
    data = []
    with open(filename, 'r') as csvfile:
        reader = csv.reader(csvfile)
        for row in reader:
            data.append([float(x) for x in row])
    return data

# 计算两个点之间的欧几里得距离
def distance(p1, p2):
    return math.sqrt(sum([(p1[i]-p2[i])**2 for i in range(len(p1))]))

# 找到最远的点作为新的聚类中心
def find_farthest_point(data, centers):
    max_distance = 0
    farthest_point = None
    for point in data:
        if point not in centers:
            min_distance = min([distance(point, center) for center in centers])
            if min_distance > max_distance:
                max_distance = min_distance
                farthest_point = point
    return farthest_point

# K中心点算法
def k_center(data, k):
    # 随机选择一个点作为第一个聚类中心
    centers = [random.choice(data)]
    while len(centers) < k:
        # 找到最远的点作为新的聚类中心
        farthest_point = find_farthest_point(data, centers)
        centers.append(farthest_point)
    # 分配数据点到聚类中心
    clusters = [[] for i in range(k)]
    for point in data:
        distances = [distance(point, center) for center in centers]
        cluster_index = distances.index(min(distances))
        clusters[cluster_index].append(point)
    return centers, clusters

# 测试代码
if __name__ == '__main__':
    data = read_csv('data.csv')
    centers, clusters = k_center(data, 3)
    print('聚类中心:', centers)
    for i, cluster in enumerate(clusters):
        print('聚类', i+1, ':', cluster)

在这个示例中，我们首先使用`read_csv`函数读取CSV文件中的数据。然后，我们定义了`distance`函数来计算两个点之间的欧几里得距离，`find_farthest_point`函数来找到距离聚类中心最远的点，以及`k_center`函数来实现K中心点算法。最后，我们使用`centers`和`clusters`变量来存储聚类中心和聚类结果，并输出它们。

请注意，这只是一个简单的示例，实际应用中可能需要对算法进行优化。例如，可以使用KD树等数据结构来加速计算距离。

用python写一个读取txt文档中的人名并对人名进行座位分配

好的，这是一个很有趣的问题，我可以为您提供一种解决方案。我们可以从txt文件中读取每一行，然后使用正则表达式匹配出其中的人名，将其存储到一个列表中。接着，我们可以使用随机函数对这些人名进行乱序，最后将其按照一定规则分配座位即可。下面是简单的Python代码示例：

import re
import random

# 定义正则表达式，匹配人名
pattern = re.compile(r'[^\W\d](?:[\w-]*[^\W\d])?')

# 定义读取txt文件函数
def read_txt_file(filename):
    with open(filename, 'r') as f:
        lines = f.readlines()
    return lines

# 读取txt文件并提取人名
filename = 'names.txt'
lines = read_txt_file(filename)

names = []
for line in lines:
    names += pattern.findall(line)

# 随机分配座位
random.shuffle(names)
num_names = len(names)
num_seats = 10

for i in range(num_names):
    seat = i % num_seats + 1
    print(f'{names[i]}: seat {seat}')

当然，这只是一个简单的示例，实际应用中可能需要更复杂的座位分配规则。希望我的回答能够帮到您！