您可以通过创建dtype = object数组来完成此操作.如果您尝试将长字符串分配给普通的numpy数组,它会截断字符串:
>>> a = numpy.array(['apples', 'foobar', 'cowboy'])
>>> a[2] = 'bananas'
>>> a
array(['apples', 'foobar', 'banana'],
dtype='|S6')
但是当你使用dtype = object时,你会得到一个python对象引用数组.所以你可以拥有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,所以你可以将任何类型的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,这解决了使用numpy的许多好处,这是如此之快,因为它适用于大量连续的原始内存块.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