您可以通过创建一个dtype=object数组来执行此操作。如果尝试将长字符串分配给普通numpy数组,它将截断该字符串:>>> a = numpy.array(['apples', 'foobar', 'cowboy'])
>>> a[2] = 'bananas'
>>> a
array(['apples', 'foobar', 'banana'],
dtype='|S6')
但是当您使用dtype=object时,会得到一个python对象引用数组。因此您可以拥有python字符串的所有行为:>>> 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)
实际上,因为它是一个对象数组,所以可以将任何类型的python对象分配给该数组:>>> a[2] = {1:2, 3:4}
>>> a
array([apples, foobar, {1: 2, 3: 4}], dtype=object)
但是,这会抵消使用numpy的许多好处,numpy速度非常快,因为它可以在大量连续的原始内存块上工作。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