如何创建任意长度字符串的 numpy 数组？

我对 Python 完全是个菜鸟，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：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定长度字符串的数组，即

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

它可以存储 10 个最多 256 个字符的字符串。

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