为什么我必须使用 np.string_？为什么我不能使用没有下划线的 np.string？

Question

我刚开始学习 NumPy，所以我对它的来龙去脉还是有些茫然。我正在学习如何创建具有特定数据类型的数组。我对此有点困惑：

当我创建一个 int32 数据类型的数组时，它只显示：

a = np.zeros((2, 3), dtype=np.int32)
print(a)
print(a.dtype)

打印语句显示：int32

当我创建一个浮点数据类型的数组时，它只显示：

a = np.array([1, 2, 3, 4], dtype=np.float)
print(a)
print(a.dtype)

打印语句显示：float64

但是，当我创建一个数据类型字符串的数组时，它没有类似的输出：

a = np.array([1,2,3,4,5,6], dtype=np.string_)

print(a)
print(a.dtype)

打印语句显示：

[b'1' b'2' b'3' b'4' b'5' b'6']
|S1

为什么？这是什么意思？还有，为什么我不能选择dtype=np.string？为什么我需要下划线dtype=np.string_？

Answer 1

如您所见，如果您只是这样做：

>>> np.string_
<class 'numpy.bytes_'>
>>> 

它会自动为每个值提供一个numpy.bytes_ 对象。'

所以你应该这样做np.str_如下：

>>> np.array([1,2,3,4,5,6], dtype=np.str_)
array(['1', '2', '3', '4', '5', '6'], dtype='<U1')
>>> 

它给出了一个常规的 numpy 标量字符串 dtype，它与常规的 str 相同。

只使用str 会更容易：

>>> np.array([1,2,3,4,5,6], dtype=str)
array(['1', '2', '3', '4', '5', '6'], dtype='<U1')
>>> 

Answer 2

什么意思？

简单来说S1是长度为1的字符串，考虑下面的例子

import numpy as np
arr1 = np.array(['A','A','A'],dtype=np.string_)
arr3 = np.array(['ABC','ABC','ABC'],dtype=np.string_)
arr5 = np.array(['ABCDE','ABCDE','ABCDE'],dtype=np.string_)
print(arr1.dtype)  # |S1
print(arr3.dtype)  # |S3
print(arr5.dtype)  # |S5

注意与另一个 numpy 数据类型的类比 - 如果您知道您有一定数量的说长度为 5 的字符串，您可以轻松计算所需的内存，例如 uint8 或 int32，而不是可变长度字符串。