以家为主题做网站,手机怎么制作微信公众号,网站开发东莞,北京市规划网站您可以通过创建dtype object数组来完成此操作.如果您尝试将长字符串分配给普通的numpy数组,它会截断字符串#xff1a;a numpy.array([apples, foobar, cowboy])a[2] bananasa
array([apples, foobar, banana],
dtype|S6)
但是当…您可以通过创建dtype object数组来完成此操作.如果您尝试将长字符串分配给普通的numpy数组,它会截断字符串a numpy.array([apples, foobar, cowboy])a[2] bananasa
array([apples, foobar, banana],
dtype|S6)
但是当你使用dtype object时,你会得到一个python对象引用数组.所以你可以拥有python字符串的所有行为a numpy.array([apples, foobar, cowboy], dtypeobject)a
array([apples, foobar, cowboy], dtypeobject)a[2] bananasa
array([apples, foobar, bananas], dtypeobject)
实际上,因为它是一个对象数组,所以你可以将任何类型的python对象分配给数组a[2] {1:2, 3:4}a
array([apples, foobar, {1: 2, 3: 4}], dtypeobject)
然而,这解决了使用numpy的许多好处,这是如此之快,因为它适用于大量连续的原始内存块.使用python对象会增加很多开销.一个简单的例子a numpy.array([abba for _ in range(10000)])b numpy.array([abba for _ in range(10000)], dtypeobject)%timeit a.copy()
100000 loops, best of 3: 2.51 us per loop%timeit b.copy()
10000 loops, best of 3: 48.4 us per loop
