如何在NumPy中将单轴扩展为双轴：实现字符串ndarray拆分为字符数组

要实现numpy字符串数组拆分为字符数组，核心要保证维度匹配要求，你之前用np.apply_along_axis没得到预期结果，是因为这个函数默认会将子数组转为numpy数组，直接拆分字符串会被识别为标量处理，用以下方案更合适：

方法1：使用numpy视图转换（高效，要求所有字符串长度相同） #

该方案无循环、性能极高，适合处理大规模数组，前提是输入数组内所有字符串长度完全一致，和MATLAB字符数组的要求对齐：

import numpy as np

# 示例输入数组
str_arr = np.array([["abc", "def"], ["ghi", "jkl"]], dtype=str)

# 拆分字符并调整维度匹配MATLAB输出格式
# 先将字符串数组拆分为单个字符，得到shape为(2,2,3)的数组
char_arr = str_arr.view('U1')
# 交换最后两个维度，得到shape为(2,3,2)的目标数组，和MATLAB输出一致
char_arr = char_arr.swapaxes(-1, -2)

# 验证输出
print(char_arr.shape) # 输出 (2, 3, 2)
print(char_arr[:,:,0]) # 对应MATLAB ans(:,:,1)，输出 [['a' 'b' 'c'], ['g' 'h' 'i']]
print(char_arr[:,:,1]) # 对应MATLAB ans(:,:,2)，输出 [['d' 'e' 'f'], ['j' 'k' 'l']]

方法2：通用兼容方法（支持非等长字符串，性能略低） #

如果你的字符串长度不统一，可以用frompyfunc实现，正确写法如下：

import numpy as np

str_arr = np.array([["abc", "def"], ["ghi", "jkl"]], dtype=str)
# 定义将单个字符串拆分为字符列表的函数
split_fn = np.frompyfunc(list, 1, 1)
# 对每个元素执行拆分，得到嵌套列表结构的数组
char_list = split_fn(str_arr)
# 转换为标准numpy数组并调整维度
char_arr = np.array(char_list.tolist()).swapaxes(-1, -2)

反向操作优化（字符数组转回字符串数组） #

你提供的反向操作可以用视图方法优化，避免循环，性能提升明显：

# 输入为shape (2,3,2)的字符数组
char_arr = np.array([[['a', 'd'], ['b', 'e'], ['c', 'f']], [['g', 'j'], ['h', 'k'], ['i', 'l']]])
# 先交换维度回(2,2,3)
temp = char_arr.swapaxes(-1, -2)
# 按字符串长度合并为对应长度的字符串类型，去掉最后一维
str_arr = temp.view(f'U{temp.shape[-1]}').squeeze(axis=-1)

内容的提问来源于stack exchange，提问作者orangeman