python列表推导式(list comprehension)的用法

def pose_tracking(pose_results, max_tracks=2, thre=30):
    tracks, num_tracks = [], 0
    num_joints = None
    for idx, poses in enumerate(pose_results):
        if len(poses) == 0:
            continue
        if num_joints is None:
            num_joints = poses[0].shape[0]
        track_proposals = [t for t in tracks if t['data'][-1][0] > idx - thre]
        n, m = len(track_proposals), len(poses)
        scores = np.zeros((n, m))

 track_proposals = [t for t in tracks if t['data'][-1][0] > idx - thre]

其实可以试试print(track_proposals)

for和in中间的t有点像函数自变量的意思，if后面有点像自变量的取值范围的意思

而for前面的t有点像函数的因变量的意思

在这个上下文中，"tracks"是一个空列表，用于存储追踪的结果。
"num_tracks"是一个变量，初始值为0，用于记录当前追踪的数量。

这行代码的作用是初始化追踪列表和追踪数量，将追踪列表设置为空列表，追踪数量设置为0。这样，开始时没有进行任何追踪，追踪列表为空。

n, m = len(track_proposals), len(poses)

这行代码是在Python中使用多重赋值（Multiple Assignment）的语法。它将两个变量同时赋值为表达式的结果。

具体地说，这行代码将len(track_proposals)的结果赋值给变量n，将len(poses)的结果赋值给变量m。

这里使用的len()函数是用于获取可迭代对象的长度（元素个数）的内置函数。len(track_proposals)返回track_proposals列表的长度，len(poses)返回poses列表的长度。

通过这行代码，可以方便地将track_proposals列表的长度赋值给变量n，将poses列表的长度赋值给变量m，以便后续使用这两个变量进行其他操作或计算。

 scores = np.zeros((n, m))

这行代码使用了NumPy库来创建一个大小为(n, m)的全零数组（array）。

具体地说，np.zeros((n, m))使用NumPy的zeros()函数来创建一个由零填充的数组。该函数的参数是一个表示数组形状的元组(n, m)，其中n和m是之前代码中定义的变量。

这行代码的作用是创建一个大小为(n, m)的二维数组，并将其赋值给变量scores。这个数组的所有元素都将被初始化为零。

通过这个操作，你可以在后续的代码中使用scores数组来存储和操作与n和m相关的数据。这个数组可以用于存储分数、得分矩阵或其他需要二维数组结构的数据。

参考：

python列表推导式(list comprehension)的用法，速查-CSDN博客