如何声明字符串NumPy数组？赋值长字符串仅显示单个字符的问题与解决

问题 #

代码如下：

import numpy as np

row_length = 5
col_length = 3
x = np.empty([row_length,col_length],dtype=str) 
x[1,2]='ddd'
print(x)

运行结果：

[['' '' '']
 ['' '' 'd']
 ['' '' '']
 ['' '' '']]

预期结果：

[['' '' '']
 ['' '' 'ddd']
 ['' '' '']
 ['' '' '']]

原因分析 #

在numpy中，指定dtype=str时，默认会创建长度为1的Unicode字符串数组（等价于dtype='U1'）。这种数组的每个元素仅能容纳1个字符，所以赋值'ddd'时会被自动截断为第一个字符'd'。

解决方法 #

有两种常用的处理方式：

• 指定固定长度的字符串类型：创建数组时明确设置字符串的最大长度，比如要存储3个字符就用dtype='U3'，修改后代码如下：

  import numpy as np
  
  row_length = 5
  col_length = 3
  x = np.empty([row_length,col_length],dtype='U3') 
  x[1,2]='ddd'
  print(x)
  

• 使用object类型：如果不确定字符串长度，或需要存储任意长度的字符串，可以用dtype=object，此时数组元素会存储字符串对象，不会出现截断。代码如下：

  import numpy as np
  
  row_length = 5
  col_length = 3
  x = np.empty([row_length,col_length],dtype=object) 
  x[1,2]='ddd'
  print(x)
  

  注意：object类型数组会丢失numpy部分矢量化操作的性能优势，更适合字符串长度差异较大的场景。

内容的提问来源于stack exchange，提问作者user2155362