如何创建一个任意长度字符串的numpy数组？

Question

我是Python的完整新手，但似乎给定的字符串可以（有效）为任意长度。也就是说，您可以string str加入并继续添加：str += "some stuff..."。有没有办法制作这样的字符串数组？

当我尝试此操作时，每个元素仅存储一个字符

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定长度的字符串数组，即

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

最多可以存储10个字符串，最多256个字符。

Answer 1

您可以通过创建一个数组来实现dtype=object。如果您尝试将长字符串分配给普通的numpy数组，则会截断该字符串：

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

但是，当您使用时dtype=object，会得到一个python对象引用数组。因此，您可以拥有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，由于它是对象数组，因此您可以将 任何 种类的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，这取消了使用numpy的许多好处，它是如此之快，因为它适用于连续的大型连续原始内存块。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