Python 代码优化：简化标签统计和预测结果分析

这段代码主要用于统计标签值、CNN 预测值和 GRU 预测值出现的次数，并计算 CNN 和 GRU 预测的准确率。

原始代码:

for i in range(len(labels)):
    x = int(labels[i])  # 标签值
    y = cnn_predicted[i]  # cnn预测值
    z = predicted.tolist()[i]  # gru预测值
    label_num[x] += 1
    cnn_tpr[y] += 1
    gru_tpr[z] += 1
    if x == y:
        cnn_num[x] += 1
    if x == z:
        gru_num[x] += 1

优化后的代码：

for i in range(len(labels)):
    x = int(labels[i])  # 标签值
    y = cnn_predicted[i]  # cnn预测值
    z = predicted.tolist()[i]  # gru预测值
    label_num[x] += 1
    cnn_tpr[y] += 1
    gru_tpr[z] += 1
    cnn_num[x] += (x == y)
    gru_num[x] += (x == z)

优化说明：

将 if x == y: 和 if x == z: 语句简化为表达式 (x == y) 和 (x == z)，并直接使用它们来更新 cnn_num 和 gru_num。这样可以使代码更加简洁易懂。
优化后的代码逻辑更清晰，并且代码行数更少，提高了代码的可读性和可维护性。

总结：

通过使用更简洁的表达式和消除冗余代码，可以有效地提高代码效率和可读性。在实际应用中，优化代码可以帮助开发者节省时间和精力，并提升代码的质量。