python3 中元素的类型为 “ numpy.bytes_”

在一些框架中，里边的数据的dtype可能是“|S33”等类型， 当查看每一个元素的类型时显示 “numpy.bytes_”， 这时候如何转化为 str 类型呢？
将list每一个元素都decode一下就好了：
segset = np.array([s.decode(‘UTF-8’) for s in segset])

首先这种情况在python2.x 中不会出现，Python 3最重要的新特性之一是对字符串和二进制数据流做了明确的区分。文本总是Unicode，由str类型表示，二进制数据则由bytes类型表示。Python 3不会以任意隐式的方式混用str和bytes，你不能拼接字符串和字节流，也无法在字节流里搜索字符串，也不能将字符串传入参数为字节流的函数。（ref: http://blog.csdn.net/lyb3b3b/article/details/74993327）.

科普1 :
字符串在Python内部的表示是unicode编码, 在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。
decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode(‘utf8’)，表示将utf8编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode(‘utf8’)，表示将unicode编码的字符串str2转换成utf8编码。

在python3.5.4 下执行：

a = '中文'
type(a)
<class 'str'>
b = bytes(a, encoding='utf-8') 
type(b)
<class 'bytes'>
b
b'\xe4\xb8\xad\xe6\x96\x87'
#以上是将 中文（str） 转化为 bytes， 存储为 utf-8 编码，utf-8编码是一个中文 3个字节， 所有b共有6个字节。 \x 表示 16 进制。
s = str(b, encoding='utf-8')
s
'中文'
# 以上是将 bytes 转化为 中文（str）， 注意要使用相同的编码格式， 否则会报错的。
#当然这里也可以使用decode函数，将bytes转化为字符串， 以下
c = b.decode('utf-8')
c
'中文'
type(c)
<class 'str'>

字符编码转换还云里雾里的，有时间再好好研究一下，还有重点是 u’\uxxxx’ 的这种的， 遇到真的很烦的。

科普2: 顺便说学习一下编码的发展（https://www.zhihu.com/question/23374078）：
ANSI 的”Ascii”编码（American Standard Code for Information Interchange，美国信息互换标准代码) 是 8 bit 来 表示一个字节，可以用来表示所有的英文，这时只用到了前127个状态。
随着世界各地都开始用计算机，开始使用128-255状态，加入一些其它的常用的字符从128 到255这一页的字符集被称“扩展字符集”。
计算机发展到中国，已经没有可以利用的字节状态来表示汉字，况且有6000多个常用汉字需要保存呢。我们把那些127号之后的奇异符号们直接取消掉, 并规定：一个小于127的字符的意义与原来相同，但两个大于127的字符连在一起时，就表示一个汉字，前面的一个字节（他称之为高字节）从0xA1用到 0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大约7000多个简体汉字了。在这些编码里，我们还把数学符号、罗马希腊的 字母、日文的假名们都编进去了，连在 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的”全角”字符，而原来在127号以下的那些就叫”半角”字符了。 中国人民看到这样很不错，于是就把这种汉字方案叫做 “GB2312“。GB2312 是对 ASCII 的中文扩展。
但是中国的汉字太多了，于是我们不得不继续把 GB2312 没有用到的码位找出来老实不客气地用上。 后来还是不够用，于是干脆不再要求低字节一定是127号之后的内码，只要第一个字节是大于127就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字 符集里的内容。结果扩展之后的编码方案被称为 GBK 标准，GBK包括了GB2312 的所有内容，同时又增加了近20000个新的汉字（包括繁体字）和符号。 于是熟悉的口令诞生了：“一个汉字算两个英文字符，一个汉字时两个字节(byte)”

随着世界各地都有自己的编码之后，变得很混乱，一个叫 ISO （国际标谁化组织）的国际组织决定着手解决这个问题：废了所有的地区性编码方案，重新搞一个包括了地球上所有文化、所有字母和符号 的编码！他们打算叫它”Universal Multiple-Octet Coded Character Set”，简称 UCS, 俗称 “unicode“。 unicode开始制订时，计算机的存储器容量极大地发展了，空间再也不成为问题了。于是 ISO 就直接规定必须用两个字节，也就是16位来统一表示所有的字符，对于ASCII里的那些“半角”字符，unicode包持其原编码不变，只是将其长度由原 来的8位扩展为16位，而其他文化和语言的字符则全部重新统一编码。由于”半角”英文符号只需要用到低8位，所以其高8位永远是0，因此这种大气的方案在保存英文文本时会多浪费一倍的空间。

NOTE： 如果是unicode编码的系统，没有字符和字节之分了，所有的都是字符，所有的字符都是两个字节，上面的口令在unicode编码的系统中不再适用。

由于unicode对于英文文本的存储会浪费一倍的空间，这是美国人民所接受不了的，浪费大量的存储和流量，于是UTF（UCS Transfer Format）标准出现了，顾名思义，UTF-8就是每次8个位传输数据，而UTF-16就是每次16个位。UTF-8就是在互联网上使用最广的一种unicode的实现方式，这是为传输而设计的编码，并使编码无国界，这样就可以显示全世界上所有文化的字符了。 UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1(utf8)~4(utf32)个字节表示一个符号，根据不同的符号而变化字节长度，当字符在ASCII 码的范围时，就用一个字节表示，保留了ASCII字符一个字节的编码做为它的一部分，注意的是 unicode一个中文字符占2个字节，而UTF-8一个中文字符占3个字节）。

科普结束！