python统计子文件夹内图像个数，画图分析类别长尾分布

许多分类数据集是按照文件夹名字命名类别的，比如VOC数据集：

以我自己的数据集为例，分析各个类别之间的数据平衡情况，用以下脚本实现：

import os
import matplotlib.pyplot as plt

path = 'soybeanleaf'
dirs = os.listdir(path)
num_dir = len(dirs)
num = []

for i in range(num_dir):
    file_i = os.listdir(path + '/'+ dirs[i])
    num.append(len(file_i))

print(dirs)
print(num)

d = dict(zip(dirs,num))
sort_d = sorted(d.items(),key = lambda item:item[1],reverse = True)
x = []
y = []
for it in sort_d:
    x.append(it[0])
    y.append(it[1])

plt.barh(x[0:num_dir],y[0:num_dir])
plt.yticks(fontproperties = 'Times New Roman', size = 2)
plt.savefig('leafdir.png',dpi=300)

脚本输出子文件夹的名称，以及对应文件夹下的文件个数

 同时，将该数据集进行数据分布统计，画出条形图：

从以上结果，可以分析出该数据集各个类别的数据分布情况，哪些类别数据较多，哪些类别数据较少，可以针对该情况，对算法分类结果进行分析。