如何在不使用dtype=object的情况下实现Numpy数组的唯一爱好统计？

你遇到的dtype=str只保留首字母的问题，本质是numpy默认将str dtype解析为U1（仅1个字符的Unicode字符串），导致长字符串被截断。不用object dtype的话，直接指定足够长度的Unicode字符串类型就能解决问题。

实现思路 #

1. 合并所有输入的numpy数组为一个一维数组，同时指定合适长度的字符串dtype（比如U100，表示最多容纳100个字符的Unicode字符串）。
2. 使用np.unique的return_counts参数，一次性提取唯一爱好和对应的喜好人数。

代码示例 #

import numpy as np

def count_hobbies(hobby_arrays):
    # 合并所有爱好数组，指定足够长度的字符串dtype避免截断
    all_hobbies = np.concatenate(hobby_arrays, dtype='U100')
    # 获取唯一爱好及对应计数
    unique_hobbies, counts = np.unique(all_hobbies, return_counts=True)
    # 返回键值对形式的统计结果
    return dict(zip(unique_hobbies, counts))

优化：动态匹配字符串长度 #

如果不确定爱好的最大长度，可以先遍历所有爱好计算最大长度，再动态指定dtype，避免浪费空间：

import numpy as np

def count_hobbies(hobby_arrays):
    # 收集所有爱好字符串，计算最大长度
    all_hobby_strings = []
    for arr in hobby_arrays:
        all_hobby_strings.extend(arr.tolist())
    
    max_len = max(len(hobby) for hobby in all_hobby_strings) if all_hobby_strings else 1
    # 合并数组并使用匹配的dtype
    all_hobbies = np.concatenate(hobby_arrays, dtype=f'U{max_len}')
    unique_hobbies, counts = np.unique(all_hobbies, return_counts=True)
    
    return dict(zip(unique_hobbies, counts))

为什么这个方法可行？ #

numpy的U前缀表示Unicode字符串类型，后面的数字指定字符串的最大长度（比如U20支持最多20个字符）。这种固定长度的字符串数组比object dtype更高效，因为numpy可以直接在内存中连续存储字符串数据，而object dtype存储的是Python字符串对象的引用，性能和内存利用率都不如前者。

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