字符串索引行为的numpy数组答案

【问题标题】：numpy array of strings indexing behavior字符串索引行为的numpy数组
【发布时间】：2013-09-17 06:01:51
【问题描述】：

我有一个字符串数组

>>> lines
array(['RL5\\Stark_223', 'RL5\\Stark_223', 'RL5\\Stark_223', ...,
       'RL5\\Stark_238', 'RL5\\Stark_238', 'RL5\\Stark_238'], 
      dtype='|S27')

为什么我可以索引到第一个数组元素的字符串

>>> lines[0][0:3]
'RL5'

但不是所有数组元素都放在同一个地方

>>> lines[:][0:3]
array(['RL5\\Stark_223', 'RL5\\Stark_223', 'RL5\\Stark_223'], 
      dtype='|S27')

谁能建议一种方法来获得以下结果：

array(['RL5', 'RL5', 'RL5', ...'RL5', 'RL5')

【问题讨论】：

标签： python arrays string numpy indexing

【解决方案1】：

要提取每个字符串的前n 字符，您可以滥用.astype：

>>> s = np.array(['RL5\\Stark_223', 'RL5\\Stark_223', 'RL5\\Stark_223'])
>>> s
array(['RL5\\Stark_223', 'RL5\\Stark_223', 'RL5\\Stark_223'], 
      dtype='|S13')
>>> s.astype('|S3')
array(['RL5', 'RL5', 'RL5'], 
      dtype='|S3')

【讨论】：

不知道为什么这个答案这么难找！简单明了——谢谢！

【解决方案2】：

不要忘记字符数组！

lines.view(np.chararray).ljust(3)
chararray(['RL5', 'RL5', 'RL5', 'RL5', 'RL5', 'RL5'], 
      dtype='|S3')

虽然速度慢得奇怪：

#Extend lines to 600000 elements

%timeit lines.view(np.chararray).ljust(3)
1 loops, best of 3: 542 ms per loop

%timeit np.vectorize(lambda x: x[:3])(lines)
1 loops, best of 3: 239 ms per loop

%timeit map(lambda s: s[0:3], lines)
1 loops, best of 3: 243 ms per loop

%timeit arr.astype('|S3')
100 loops, best of 3: 4.72 ms per loop

可能是因为它复制了数据，这样做的好处是输出数组的 dtype 被最小化：S3 vs S64。

【讨论】：

【解决方案3】：

试试这个

map(lambda s:s[0:3],lines)

【讨论】：

【解决方案4】：

你可以使用numpy的vectorize:

In [11]: np.vectorize(lambda x: x[:3])(lines)
Out[11]: 
array(['RL5', 'RL5', 'RL5', 'RL5', 'RL5', 'RL5'], 
      dtype='|S64')

【讨论】：

【解决方案5】：

如果您正在寻找快速且（更）灵活的产品，请尝试：

lines.view('|S1').reshape(-1, lines.dtype.itemsize)[:, :3].reshape(-1).view('|S3')

可用于更任意的切片和切块。

时间信息：

import numpy as np
lines = np.array(['RL5\\Stark_223', 'RL5\\Stark_223', 'RL5\\Stark_223', 
'RL5\\Stark_238', 'RL5\\Stark_238', 'RL5\\Stark_238'], dtype='|S27').repeat(100000)

%timeit lines.view(np.chararray).ljust(3)
1 loop, best of 3: 231 ms per loop

%timeit np.vectorize(lambda x: x[:3])(lines)
1 loop, best of 3: 226 ms per loop

%timeit map(lambda s: s[0:3], lines)
1 loop, best of 3: 171 ms per loop

%timeit lines.astype('|S3')
100 loops, best of 3: 3.58 ms per loop

%timeit lines.view('|S1').reshape(-1, lines.dtype.itemsize)[:, :3].reshape(-1).view('|S3')
100 loops, best of 3: 5.16 ms per loop

【讨论】：