在列表理解中使用 'else'

Question

我正在使用 Python 并且我正在预测时装模特图像中的服装属性。预测是使用以下代码建立的：

ATTRIBUTE RECOGNITION MODEL

#Importing necessary libraries
import torch
import torchvision.models as models
from torchvision import transfor
from torch.autograd import Variable
from PIL import Image
import torch.nn as nn
import numpy as np

#Defining the functions to load and use the model
def get_tensor(img):
    tfms = transforms.Compose([
    transforms.Resize((256, 256)),
    transforms.ToTensor()
    ])
    return tfms(Image.open(img)).unsqueeze(0)


def predict(img, label_lst, model):
    tnsr = get_tensor(img)
    op = model(tnsr)
    op_b = torch.round(op)
    op_b_np = torch.Tensor.cpu(op_b).detach().numpy()
    preds = np.where(op_b_np ==1)[1]
    sigs_op = torch.Tensor.cpu(torch.round((op)*100)).detach().numpy()[0]
    o_p = np.argsort(torch.Tensor.cpu(op).detach().numpy())[0][::-1]
    label = []
    for i in preds:
        label.append(label_lst[i])
    arg_s = {}
    for i in o_p:
        arg_s[label_lst[int(i)]] = sigs_op[int(i)]
    return label, list(arg_s.items())[:10]

#Load the model

labels = open(ATTRIBUTE_PATH, 'r').read().splitlines()

model = torch.load(ATTRIBUTE_MODEL_PATH, map_location=torch.device('cpu'))
model = model.eval()

#Use the model to iterate over the rows of our clothing dataframe and adding a column with the predictions
predictions=[]
for x in df_images["Media"]:
    p= predict(x, labels, model)
    predictions.append(p)
    
    
out = [[i for i, v in lst if v > -200 else i == i[0]] for _, lst in predictions]
df_images["Attributes"] = out
df_images.head()

以上对我来说工作正常。我在 i,v 中检索 i 的所有值，其中 v > -200.

但是，我想添加一个 else 条件指定，如果 i in i, v where v > -200 没有值，return i[0] for i in i, v。（即 i 其中 v 在 i,v)

中最高

我想这样做的原因是因为对于某些图像，现在正在 return 编辑属性预测，因为它们不符合 -200 的阈值。因此，我想 return 从已识别的可能属性列表中找出最有可能的属性。

这是我到目前为止尝试过的方法，但没有用：

out = [[i for i, v in lst if v > -200 else i == i[0]] for _, lst in predictions]

感谢您的帮助

Answer 1

我想你是这个意思：

out = [[i for i, v in lst if v > -200] or [lst[0][0]] for _, lst in predictions]

然而，如您所见，很难理解和解释它的作用，这意味着有时最好以明确的形式编写代码：

out = []
for _, lst in prediction:
   member = [i for i, v in lst if v > -200]
   if not member:
       member = [lst[0][0]]
   out.append(member)

第一种形式的注意事项：Python 中的运算符“or”和“and”的行为与大多数其他二元运算符不同。如果“或”具有“真实”值，则“或”将对其左侧的对象求值，否则对右侧的对象求值（无论它是否具有真值）。然后，在 Python 中，一个空序列有一个“falsy”值（它的计算结果为布尔值 False），因此，如果由“> -200”守卫过滤的元素最终为空，则“or”在那里会选择右边表达式的结果。

在列表理解中使用 'else'

Using an 'else' in list comprehension

python

list-comprehension

list