python - 如何创建任意长度字符串的numpy数组？

Question

我是 Python 的新手，但似乎给定的字符串能够（有效地）任意长度。即你可以采取string str并不断添加它：str += "some stuff..."。有没有办法制作这样的字符串数组？

当我尝试这个时，每个元素只存储一个字符

strArr = numpy.empty(10, dtype='string')
for i in range(0,10)
    strArr[i] = "test"

另一方面，我知道我可以初始化一个特定长度字符串的数组，即

strArr = numpy.empty(10, dtype='s256')

最多可存储 10 个字符串，最多 256 个字符。

Answer 1

您可以通过创建一个dtype=object. 如果您尝试将长字符串分配给普通的 numpy 数组，它会截断字符串：

>>> a = numpy.array(['apples', 'foobar', 'cowboy'])
>>> a[2] = 'bananas'
>>> a
array(['apples', 'foobar', 'banana'], 
      dtype='|S6')

但是当你使用 时dtype=object，你会得到一个 python 对象引用的数组。所以你可以拥有python字符串的所有行为：

>>> a = numpy.array(['apples', 'foobar', 'cowboy'], dtype=object)
>>> a
array([apples, foobar, cowboy], dtype=object)
>>> a[2] = 'bananas'
>>> a
array([apples, foobar, bananas], dtype=object)

实际上，因为它是一个对象数组，所以您可以将任何类型的 python 对象分配给该数组：

>>> a[2] = {1:2, 3:4}
>>> a
array([apples, foobar, {1: 2, 3: 4}], dtype=object)

但是，这抵消了使用 numpy 的许多好处，因为它可以在大的连续原始内存块上工作，所以速度如此之快。使用 python 对象会增加很多开销。一个简单的例子：

>>> a = numpy.array(['abba' for _ in range(10000)])
>>> b = numpy.array(['abba' for _ in range(10000)], dtype=object)
>>> %timeit a.copy()
100000 loops, best of 3: 2.51 us per loop
>>> %timeit b.copy()
10000 loops, best of 3: 48.4 us per loop

Answer 2

您可以使用对象数据类型：

>>> import numpy
>>> s = numpy.array(['a', 'b', 'dude'], dtype='object')
>>> s[0] += 'bcdef'
>>> s
array([abcdef, b, dude], dtype=object)