获取 numpy unicode 字符串 dtype 长度的最佳方法

Question

我正在尝试确定 numpy unicode 数组的最大元素长度。例如，如果我有：

# (dtypes added for clarity)
a = np.array(['a'], dtype='U5')
print(get_dtype_length(a))

我希望它打印5。

我可以这样做：

def get_dtype_length(a):
  dtype = a.dtype
  dtype_string = dtype.descr[0][1]  # == '<U5'
  length = int(dtype_string[2:])
  return length

但这似乎是一种迂回的方式来推断必须在某处可用的东西。是否有我没有找到直接执行此操作的属性或 numpy 函数？

基于 cmets 的说明：

我专门寻找数组中任何元素的最大允许长度，而不是任何特定元素的长度（例如，不是len(a[0]) == 1。这背后的动机是，如果我尝试通过 @ 之类的方式更新 a 987654325@我不希望元素被截断为stri。

在 numpy 版本 1.19 中，我相信 np.can_cast(newVal.dtype, a.dtype, casting='safe') 对我的用例来说是一个有效的测试（因为在 1.19 中，安全也会测试强制转换是否会导致截断），但它仍然不能真正解决测试字符大小的问题.

Answer 1

U4 中的4 是每个元素的字符串长度，而不是字符的大小：

第一个字符指定数据类型，其余字符指定每个项目的字节数，Unicode 除外，它被解释为字符数。

来自the docs。

单个 Unicode 字符的大小在您的程序中可以是一个常量：

 sizeof_numpy_unicode_char = np.dtype('U1').itemsize

然后，您可以使用dtype.itemsize 或快捷方式ndarray.itemsize 将每个元素的总字节数除以此常量以获得缓冲区大小：

def get_length(a):
    return a.itemsize // sizeof_numpy_unicode_char

但字符的大小确实是固定的（通常是 4 个字节）。