你可以通过创build一个dtype=object的数组来完成。 如果您尝试将长string分配给正常的numpy数组,则会截断string:
>>> a = numpy.array(['apples', 'foobar', 'cowboy']) >>> a[2] = 'bananas' >>> a array(['apples', 'foobar', 'banana'], dtype='|S6')
但是当你使用dtype=object ,你会得到一个python对象引用数组。 所以你可以拥有pythonstring的所有行为:
>>> a = numpy.array(['apples', 'foobar', 'cowboy'], dtype=object) >>> a array([apples, foobar, cowboy], dtype=object) >>> a[2] = 'bananas' >>> a array([apples, foobar, bananas], dtype=object)
事实上,因为它是一个对象数组,所以可以将任何types的python对象分配给数组:
>>> a[2] = {1:2, 3:4} >>> a array([apples, foobar, {1: 2, 3: 4}], dtype=object)
然而,这取消了使用numpy的很多好处,因为它运行在大量的连续的原始内存块上,速度非常快。 使用python对象会增加很多开销。 一个简单的例子:
>>> a = numpy.array(['abba' for _ in range(10000)]) >>> b = numpy.array(['abba' for _ in range(10000)], dtype=object) >>> %timeit a.copy() 100000 loops, best of 3: 2.51 us per loop >>> %timeit b.copy() 10000 loops, best of 3: 48.4 us per loop