如何使用np.where实现numpy数组字符串in条件匹配替代列表推导

你可以使用numpy原生的向量化字符串操作实现需求，全程无需转换为列表处理，依赖numpy的广播特性配合np.char.count即可判断子串存在性，性能远高于列表推导：

完整可运行代码 #

import numpy as np
currencies = np.array(["USD","NZL","EUR","KWR"])
target_str = "USDKLR EUR"
# 统计每个货币代码在目标字符串中的出现次数，次数大于0即代表存在
mask = np.char.count(target_str, currencies) > 0
# 用np.where筛选符合条件的元素
currencie = currencies[np.where(mask)]
print(currencie) # 输出结果：['USD' 'EUR']

核心逻辑说明 #

• np.char.count是numpy提供的向量化字符串处理函数，传入的第一个参数是待检索的父字符串，支持自动广播到和第二个参数（子串数组）相同的长度
• 仅需判断每个子串的出现次数是否大于0，即可得到对应元素是否在目标字符串中的布尔掩码
• 全程仅调用numpy内置函数，当数组长度达到万级以上时，执行效率相比列表推导有数量级提升

内容的提问来源于stack exchange，提问作者NermineAli