您可以通过创建一个数组来做到这一点dtype=object
。如果您尝试将长字符串分配给普通的 numpy 数组,它会截断该字符串:
>>> a = numpy.array(['apples', 'foobar', 'cowboy'])
>>> a[2] = 'bananas'
>>> a
array(['apples', 'foobar', 'banana'],
dtype='|S6')
但是当你使用dtype=object
,你会得到一个 python 对象引用数组。这样你就可以拥有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)
事实上,因为它是一个对象数组,所以您可以分配any数组的 python 对象类型:
>>> a[2] = {1:2, 3:4}
>>> a
array([apples, foobar, {1: 2, 3: 4}], dtype=object)
然而,这抵消了使用 numpy 的许多好处,因为它运行在大的连续的原始内存块上,所以速度非常快。使用 python 对象会增加大量开销。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