NumPy 数组中的向量化字符串处理答案

【问题标题】：Vectorized string processing in a NumPy arrayNumPy 数组中的向量化字符串处理
【发布时间】：2012-07-26 10:18:52
【问题描述】：

如何优雅地处理 numpy 数组中的文本？

我总是可以遍历数组，但是否也有一些神奇的 oneliner 可能？我只是在学习 python，并希望以一种看起来不错的方式来做。

我想要的示例：

for y in data['filename']:
first = 12
last  = y[1][12:].find('.')
y= y[1][first+1:last+12]

【问题讨论】：

NumPy 不适用于字符串处理。事实上，存储可变长度字符串的效率非常低。您可能希望在纯 Python 中执行此操作。
实际上，甚至可以存储可变长度的字符串吗？
@François - 作为对象数组，是的。（虽然，在这一点上，你最好列出一个清单。）
@tarrasch - 如果您想从文件名中去除扩展名，请查看os.path.splitext。（同样，如果您正在处理文件名/路径，请查看所有 os.path。）正如 larsmans 所建议的，对于处理 numpy 数组中的字符串，只需将它们视为列表并迭代即可。 numpy 故意不提供向量化字符串操作。
@tarrasch 你检查了下面的答案吗？

标签： python arrays string numpy

【解决方案1】：

您可以使用numpy.char.array()，例如：

from string import find

import numpy as np

a = np.char.array(['cmd.py', 'matrix.txt', 'print.txt', 'test.txt', 'testpickle.test', 'Thumbs.db', 'tmp.py', 'tmp.txt', 'tmp2.py'])
find(a, '.py')
#array([ 3, -1, -1, -1, -1, -1,  3, -1,  4])


np.char.array(a.split('.'))[:,0]
#chararray(['cmd', 'matrix', 'print', 'test', 'testpickle', 'Thumbs', 'tmp', 'tmp', 'tmp2'], dtype='|S10')

【讨论】：