重构更长的“单行”if-condition-assignment（三元 If）的 Pythonic 方式

Question

我当前的代码使用三元分配One line if-condition-assignment，但使用更详细的标识符很容易超过行长限制。

由于我还没有进入 Python 编码，我很高兴看到一些重构建议。

for label in range(num_labels):
    d_tresh = drop_treshold[label] if type(drop_treshold) == numpy.ndarray) else drop_treshold     
    r_tresh1 = relabel_treshold1[label] if type(relabel_treshold1) == numpy.ndarray else relabel_treshold1
    r_tresh2 = relabel_treshold2[label] if type(relabel_treshold2) == numpy.ndarray else relabel_treshold2

使用局部短变量名似乎是解决方案的一部分，但我喜欢有更多解释性的函数参数。嗯。如此显着缩短函数参数名称会导致（对我而言）不可读的代码。

for l in range(n_labels):
    t0 = d_t[l] if type(d_t) == numpy.ndarray) else d_t     
    t1 = r_t1[l] if type(r_t1) == numpy.ndarray else r_t1
    t2 = r_t2[l] if type(r_t2) == numpy.ndarray else r_t1

那么我应该求助于多行 if - else 分配吗？它会极大地扩展和膨胀简单的逻辑。

for label in range(num_labels):
    if type(drop_treshold) == numpy.ndarray):
        d_tresh = drop_treshold[label]
    else:
        d_tresh = drop_treshold     

    if type(relabel_treshold1) == numpy.ndarray:
        r_tresh1 = relabel_treshold1[label] 
    else:
        d_tresh = relabel_treshold1

    if type(relabel_treshold2) == numpy.ndarray:
        r_tresh2 = relabel_treshold2[label] 
    else:
        d_tresh = relabel_treshold2

（当然，我（sh/）也可以围绕所示示例重构整个代码...这个示例 sn-p 来自带有参数的函数，可以是标量 float/int 或 1D numpy.array。如果是一个数组，它将每个项目应用于每个标签，只是简单的标量，它将全局应用于所有标签） 但是这里又是如何pythonic 方式？什么时候开始更彻底地重构，什么时候保持原样——因为它有效？

Answer 1

这里的问题是你在为每个变量重复自己；如果对象是数组，则索引，否则直接使用对象。我会在这里使用一个实用函数：

def threshold_label(ob, i):
    # the threshold label can be a scalar or an array
    return ob[i] if isinstance(ob, numpy.ndarray) else ob

for label in range(num_labels):
    d_tresh = threshold(drop_treshold, label)
    r_tresh1 = threshold(relabel_treshold1, label)
    r_tresh2 = threshold(relabel_threshold2, label)

请注意，我使用isinstance() 来测试每个对象的类型，请参阅What are the differences between type() and isinstance()?

另一种选择是不测试数组每次迭代。测试一次，如果不是数组，将标量float或int值转成期望长度的序列：

# turn scalar labels into sequences for easy iteration
if not isinstance(drop_threshold, numpy.ndarray):
    drop_threshold = [drop_threshold] * num_labels
if not isinstance(relabel_treshold1, numpy.ndarray):
    relabel_treshold1 = [relabel_treshold1] * num_labels
if not isinstance(drop_threshold, numpy.ndarray):
    relabel_treshold2 = [relabel_treshold2] * num_labels

或者，再次使用辅助函数：

def ensure_sequence(ob, cnt):
    # turn a scalar label value into a sequence if needed
    return [ob] * cnt if not isinstance(ob, numpy.ndarray) else ob

drop_threshold = ensure_sequence(drop_threshold, num_labels)
relabel_treshold1 = ensure_sequence(relabel_treshold1, num_labels)
relabel_treshold2 = ensure_sequence(relabel_treshold2, num_labels)

此时您可以使用zip() 进行迭代：

labels = zip(drop_threshold, relabel_threshold1, relabel_threshold2)
for d_thresh, r_thresh1, r_thresh2 in labels:
    # ...