在矩阵python中连接字符串答案

【问题标题】：Concatenate strings in a matrix python在矩阵python中连接字符串
【发布时间】：2018-04-06 23:02:00
【问题描述】：

我有一个带有如下字符串的矩阵，

array([['', '', 'C'],
       ['A', '', 'C'],
       ['', 'B', '']], dtype='|S9')

我需要连接每一行中的列以获得类似于以下的输出，

array([['C'],
       ['A C'],
       ['B']])

我需要应用的矩阵的大小非常大。是否有类似于 python 中的列 sum as np.sum(matrix, axis=0) 来执行此字符串连接？

【问题讨论】：

您希望得到的dtype 是|S9 还是|S27？（而且，如果是前者，如果字符串太长而无法放入S9，您希望发生什么？）
同时，您可以使用np.char functions add, join, etc.，但它们的实现是基于普通的Python函数。所以，你真的不能做太多的事情来提高这里的性能。它们不是ufuncs，因此适用于通过数组广播常规函数的通常规则，以及通常的性能警告。

标签： python numpy string-concatenation

【解决方案1】：

np.tensordot 有一个利用字符串（不是字符串 dtypes）的运算符重载的示例。以此为线索，我尝试了以下方法：

In [678]: arr = np.array([['', '', 'C'],
     ...:        ['A', '', 'C'],
     ...:        ['', 'B', '']], dtype='U3')
     ...:

我在 py3 中，所以U 显示更清晰。 U3 dtypes 不实现 `+'。但是将 string dtype 转换为 object dtype 会创建一个真正的 Python 字符串数组：

In [679]: arrO=arr.astype(object)

In [681]: arrO
Out[681]: 
array([['', '', 'C'],
       ['A', '', 'C'],
       ['', 'B', '']], dtype=object)

现在sum 加入字符串，实际上是在执行'A'+''+'C' 等：

In [682]: np.sum(arrO, axis=1)
Out[682]: array(['C', 'AC', 'B'], dtype=object)

np.char 有一些函数可以将字符串方法应用于字符串 dtype 数组的元素。有一个np.char.join，但它按元素工作，而不是跨元素工作。

np.split 适用于数组元素，但它会生成列表：

In [690]: np.char.split(np.array(['A B C','D E F']))
Out[690]: array([list(['A', 'B', 'C']), list(['D', 'E', 'F'])], dtype=object)

可以用np.char.join反转：

In [691]: np.char.join(',',_)
Out[691]: array(['A,B,C', 'D,E,F'], dtype='<U5')
In [699]: np.char.join('',Out[690])
Out[699]: array(['ABC', 'DEF'], dtype='<U3')

所以如果arr 可以转换为np.array(list(['','','C']),..., dtype=object)，join 就可以工作。

但在走得太远之前，我应该注意np.char 函数可能很方便，但它们并不比使用相同字符串方法的列表推导快多少。

【讨论】：