ASCII 字符串作为 Python 3 中 numpy 字符串数组的 dtype答案

【问题标题】：ASCII string as dtype for numpy array of strings in Python 3ASCII 字符串作为 Python 3 中 numpy 字符串数组的 dtype
【发布时间】：2013-02-17 12:12:40
【问题描述】：

NumPy 的 string dtype 似乎对应于 Python 的 str，因此可以在 Python 2.x 和 3.x 之间进行更改：

在 Python 2.7 中：

In [1]: import numpy as np

In [2]: np.dtype((np.str_, 1)).itemsize
Out[2]: 1

In [3]: np.dtype((np.unicode_, 1)).itemsize
Out[3]: 4

在 Python 3.3 中：

In [2]: np.dtype((np.str_, 1)).itemsize
Out[2]: 4

NumPy 的版本在这两种情况下都是 1.7.0。

我正在编写一些我想在两个 Python 版本上工作的代码，并且我想要一个 ASCII 字符串数组（4x 内存开销是不可接受的）。所以问题是：

如何在 Python 3 中为特定长度（每个字符 1 个字节）的 ASCII 字符串定义 dtype？
如何以在 Python 2 中也适用的方式执行此操作？
额外问题：我能否进一步限制字母表，例如到ascii_uppercase，每个字符节省一点或两个？

我认为可能的答案是第一个问题的字符数组（即有一个字符数组而不是字符串数组）。好像我可以在构造一个时指定项目大小：

chararray(shape, itemsize=1, unicode=False, buffer=None, offset=0,
          strides=None, order=None)

更新：不，itemsize 实际上是字符数。但是还有unicode=False。

这是要走的路吗？

它也会回答最后一个问题吗？

我该如何实际使用它作为dtype？

【问题讨论】：

我很确定你最后一个问题的答案是一个很大的否定。 AFAIK，我确实研究过一段时间，没有办法将小于 8 位的数据打包成小于 1 字节。绝对不适用于 6 位或 7 位类型，但除非您自己处理，否则单个 8 位容器中也不能有 2 个四位值。即使是 bool 数组，它们存储的每个 True/False 值也会占用完整的 8 位。
@Jaime 哇，好的。然后我想要 1 个字节 :)

标签： python arrays string numpy python-3.x

【解决方案1】：

您可以使用“S”typestr:

>>> np.array(['Hello', 'World'], dtype='S')
array([b'Hello', b'World'], 
      dtype='|S5')

同样在 2.6/2.7 中，str 别名为bytes（或np.bytes_）：

>>> np.dtype((bytes, 1)) # 2.7
dtype('|S1')
>>> np.dtype((bytes, 1)) # 3.2
dtype('|S1')

并且支持b'' 文字：

>>> np.array([b'Hello', b'World']) # 2.7
array(['Hello', 'World'], 
      dtype='|S5')
>>> np.array([b'Hello', b'World']) # 3.2
array([b'Hello', b'World'], 
      dtype='|S5')

【讨论】：