如何用向量化方式实现numpy.char.add.reduce的字符串拼接功能？

方法1：链式调用np.char.add #

np.char.add虽不是ufunc，但支持向量化操作，我们可以分两步完成拼接，完全适配任意形状的大型数组：

import numpy as np

values = np.array([0.1, 0.2, 0.3])
str_values = values.astype("U")
# 先拼前缀，再拼后缀
result = np.char.add(np.char.add("string_", str_values), "_string")
print(result)
# 输出：['string_0.1_string' 'string_0.2_string' 'string_0.3_string']

针对二维数组的示例：

values_2d = np.array([[0.1, 0.2], [0.3, 0.4]])
str_values_2d = values_2d.astype("U")
result_2d = np.char.add(np.char.add("string_", str_values_2d), "_string")
print(result_2d)
# 输出：
# [['string_0.1_string' 'string_0.2_string']
#  ['string_0.3_string' 'string_0.4_string']]

方法2：使用np.char.format #

如果需要控制数值精度或更灵活的格式化，np.char.format是更优选择，它会自动处理数值到字符串的转换：

import numpy as np

values = np.array([0.1234, 0.5678, 0.9012])
# 保留两位小数格式化
result = np.char.format("string_{:.2f}_string", values)
print(result)
# 输出：['string_0.12_string' 'string_0.57_string' 'string_0.90_string']

方法3：广播拼接多段字符串 #

如果需要拼接超过两段的字符串片段，可利用广播机制将所有片段转为目标数组同形状，再循环拼接（每次循环都是向量化操作，效率远高于逐元素处理）：

import numpy as np

values = np.array([0.1, 0.2, 0.3])
suffixes = np.array(["a", "b", "c"])

# 生成可广播的各字符串片段
parts = [
    np.broadcast_to("pre_", values.shape),
    values.astype("U"),
    np.broadcast_to("_mid_", values.shape),
    suffixes,
    np.broadcast_to("_post", values.shape)
]

# 模拟reduce逻辑拼接
result = parts[0]
for part in parts[1:]:
    result = np.char.add(result, part)

print(result)
# 输出：['pre_0.1_mid_a_post' 'pre_0.2_mid_b_post' 'pre_0.3_mid_c_post']

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