os.path.dirname(__file__)使用---获取当前运行脚本的绝对路径

本文详细介绍了Python中os.path.dirname(__file__)函数的使用方法及其注意事项,通过实例演示了如何获取当前运行脚本的不同层级目录路径。
部署运行你感兴趣的模型镜像

https://blog.youkuaiyun.com/jojoy_tester/article/details/54598713


os.path.dirname(__file__)使用

该测试脚本所在的位置:D:\第1层\第2层\第3层\第4层\第5层\test11.py

test11.py

[python]  view plain  copy
  1. import os  
  2. #该文件所在位置:D:\第1层\第2层\第3层\第4层\第5层\test11.py  
  3.   
  4. path1 = os.path.dirname(__file__)  
  5. print(path1)#获取当前运行脚本的绝对路径  
  6.   
  7. path2 = os.path.dirname(os.path.dirname(__file__)) #  
  8. print(path2)#获取当前运行脚本的绝对路径(去掉最后一个路径)  
  9.   
  10. path3 = os.path.dirname(os.path.dirname(os.path.dirname(__file__)))  
  11. print(path3)#获取当前运行脚本的绝对路径(去掉最后2个路径)  
  12.   
  13. path4 = os.path.dirname(os.path.dirname(os.path.dirname(os.path.dirname(__file__))))  
  14. print(path4)#获取当前运行脚本的绝对路径(去掉最后3个路径)  
  15.   
  16. path5 = os.path.dirname(os.path.dirname(os.path.dirname(os.path.dirname(os.path.dirname(__file__)))))  
  17. print(path5)#获取当前运行脚本的绝对路径(去掉最后4个路径)  
  18.   
  19. path6 = os.__file__                  #获取os所在的目录  
  20. print(path6)  
结果:
[python]  view plain  copy
  1. C:\Python352\python.exe D:/第1层/第2层/第3层/第4层/第5层/test11.py  
  2. D:/第1层/第2层/第3层/第4层/第5层  
  3. D:/第1层/第2层/第3层/第4层  
  4. D:/第1层/第2层/第3层  
  5. D:/第1层/第2层  
  6. D:/第1层  
  7. C:\Python352\lib\os.py  
  8.   
  9. Process finished with exit code 0  

解释:

http://blog.youkuaiyun.com/u011760056/article/details/46969883

os.path.dirname(__file__)返回脚本的路径,但是需要注意一下几点:
  • 必须是实际存在的.py文件,如果在命令行执行,则会引发异常NameError: name '__file__' is not defined;
  • 在运行的时候如果输入完整的执行的路径,则返回.py文件的全路径如:Python c:/test/test.py 则返回路径 c:/test ,如果是python test.py 则返回空;
  • 结合os.path.abspath用,效果会好,如果大家看过一些python架构的代码的话,会发现经常有这样的组合:os.path.dirname(os.path.abspath(__file__)),os.path.abspath(__file__)返回的是.py文件的绝对路径。

这就是os.path.dirname(__file__)的用法,其主要总结起来有:

  • 不要在命令行的形式来进行os.path.dirname(__file__)这种形式来使用这个函数;
  • 结合os.path.abspath()使用

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值