如何在Numba中正确处理字符串数组？代码报错求助

针对你用Numba加速字符串数组操作时遇到的各类TypingError，下面是适配后的可运行代码，以及每个步骤的修改说明：

适配后的Numba代码 #

import numpy as np
from numba import jit

# 版本信息
# python 3.9.12
# numba  0.55.1
# numpy  1.21.5

# 创建测试数组
input_array = np.array([np.nan,'C','P'], dtype="<U11")

@jit(nopython=True)
def foo_numba(input_array):
    # 创建输出数组
    output_array = np.empty(shape=3, dtype=np.float32)
    
    # 1. 缺失值替换：循环遍历替代布尔索引赋值
    for i in range(input_array.shape[0]):
        if input_array[i] == "nan":
            input_array[i] = "Miss"
    
    # 2. 字符串映射数值：用分支判断替代字典get方法
    val = input_array[0]
    if val == "False":
        output_array[0] = -0.01960485
    elif val == "True":
        output_array[0] = 1.1470174
    elif val == "Miss":
        output_array[0] = -1.0
    else:
        # 原逻辑默认返回原字符串，需转换为float匹配数组类型
        output_array[0] = float(val)
    
    # 3. 值归属判断：分支判断替代np.where和in操作
    val = input_array[1]
    if val == "A" or val == "B" or val == "C":
        input_array[1] = val
    else:
        input_array[1] = "Other"
    
    # 4. 生成哑变量：用三元表达式简化（原np.where也可运行）
    output_array[2] = 1 if input_array[2] == "K" else 0
    
    return output_array

# 测试运行
print(foo_numba(input_array))

各步骤修改原因 #

• 缺失值替换：Numba的nopython模式不支持对字符串数组使用布尔索引直接赋值（input_array[input_array == 'nan'] = "Miss"），循环遍历逐个判断是旧版本Numba下最可靠的方式，Numba会把循环编译为高效机器码，性能损失很小。
• 字符串映射数值：Numba对Python字典的get方法支持有限，尤其是当默认值类型与字典值类型不一致时（这里字典值是float，默认值是字符串），会触发类型匹配错误。用if-elif分支判断既规避了字典兼容性问题，也能明确处理类型转换。
• 值归属判断：Numba不支持标量参数的np.where，同时in操作符对字符串列表的支持受限。改用多个or的条件判断，完全适配Numba的编译规则。
• 生成哑变量：原np.where写法本身可运行，但改用Python三元表达式逻辑更清晰，性能一致。

额外注意事项 #

如果可以升级Numba到0.57+版本，对字符串的支持会有所提升，但上述代码兼容你当前使用的0.55.1版本；另外，处理字符串转float的分支时，若存在无法转换的非数值字符串，需额外添加异常处理逻辑。

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