Python3：UnboundLocalError：分配前引用的局部变量“标签”

Question

以下代码给出了错误UnboundLocalError: local variable 'labels' referenced before assignment。我在其他 stackoverflow 问题中查看了类似的问题，但他们说关于处理全局变量，但我发现我的问题没有任何全局变量 labels 指代。

def get_tags(predicted_list, threshold, labels):
    mlb = [(i1, c1) for i1, c1 in enumerate(multilabel.classes_)]
    temp_list = sorted(
        [(i, c) for i, c in enumerate(list(predicted_list))],
        key=lambda x: x[1],
        reverse=True,
    )
    tag_list = [item1 for item1 in temp_list if item1[1] >= threshold]
    tags = [
        item[1] for item2 in tag_list[:labels] for item in mlb if item2[0] == item[0]
    ]
    return tags

def label_prediction(num_clicks, text, threshold_value, preprocess_func, label_value):
    if text is None:
        raise PreventUpdate
    else:
        if num_clicks:
            params = ["remove_digits", "remove_stopwords", "text_lemmatization"]
            dict_params = {param: True for param in params}
            preprocess_text = preprocess(text, **dict_params)
            transformed_text = tfidf.fit_transform([preprocess_text])
            prediction = classifier.predict_proba(transformed_text)
            labels= f"Predicted labels:{get_tags(prediction[0],threshold_value,label_value)}"
    return labels

如何解决这个问题？

Answer 1

只有在函数label_prediction 中num_clicks 为真时才创建局部变量labels，但无论如何都返回此局部变量。因此，如果您调用函数 label_prediction，而 num_clicks 是 False，您将返回一个从未创建的变量，因此会出现错误消息。

编辑：由于您不想在num_clicks 为false 时返回任何内容，因此您可以将if 的最后一行修改为return f"Predicted labels:{get_tags(prediction[0],threshold_value,label_value)}"，并删除最后的return你的功能。

另一种解决方案是在函数开头使用None 初始化labels。

解决方案 1

def label_prediction(num_clicks, text, threshold_value, preprocess_func, label_value):
    if text is None:
        raise PreventUpdate
    else:
        if num_clicks:
            params = ["remove_digits", "remove_stopwords", "text_lemmatization"]
            dict_params = {param: True for param in params}
            preprocess_text = preprocess(text, **dict_params)
            transformed_text = tfidf.fit_transform([preprocess_text])
            prediction = classifier.predict_proba(transformed_text)
            return f"Predicted labels:{get_tags(prediction[0],threshold_value,label_value)}"

解决方案 2

def label_prediction(num_clicks, text, threshold_value, preprocess_func, label_value):
    labels = None
    if text is None:
        raise PreventUpdate
    else:
        if num_clicks:
            params = ["remove_digits", "remove_stopwords", "text_lemmatization"]
            dict_params = {param: True for param in params}
            preprocess_text = preprocess(text, **dict_params)
            transformed_text = tfidf.fit_transform([preprocess_text])
            prediction = classifier.predict_proba(transformed_text)
            labels = f"Predicted labels:{get_tags(prediction[0],threshold_value,label_value)}"
    return labels