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存在的服装属性。 预测是使用以下代码构建的：

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()

以上对我来说很好。 我正在 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, v 中的 i 没有值，其中 v > -200，则返回 i[0] for i in i, v。（即 i 其中 v 是最高的一，五）

我想这样做的原因是因为对于某些图像，现在正在返回属性预测，因为它们不符合 -200 的阈值。 因此，因为我想从已识别的可能属性列表中返回最可能的属性。

这是我迄今为止尝试过的，但它不起作用：

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

谢谢您的帮助

Answer 1

我想你的意思是：

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

然而，正如您所看到的，它也很难理解并解释它的作用，这意味着有时最好以显式形式编写代码：

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)

注意第一种形式：Python 中的运算符“或”和“与”与大多数其他二元运算符的行为不同。 如果它具有“真”值，“或”将评估其左侧的 object，否则评估右侧的 object（无论它是否具有真值）。 然后，在 Python 中，一个空序列有一个“假”值（它的计算结果为 boolean 假），因此，如果由“>-200”保护过滤的元素最终为空，则其中的“或”将选择右边表达式的结果。