创建 numpy 数组时 dtype=object 是什么意思？

Question

我正在试验 numpy 数组并创建了一个 numpy 字符串数组：

ar1 = np.array(['avinash', 'jay'])

正如我从他们的官方指南中读到的，对 numpy 数组的操作会传播到单个元素。所以我这样做了：

ar1 * 2

然后我得到这个错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-22-aaac6331c572> in <module>()
----> 1 ar1 * 2

TypeError: unsupported operand type(s) for *: 'numpy.ndarray' and 'int'

但是当我使用dtype=object时

ar1 = np.array(['avinash', 'jay'], dtype=object)

在创建数组时，我可以执行所有操作。

谁能告诉我为什么会这样？

Answer 1

NumPy 数组存储为连续的内存块。它们通常具有单一数据类型（例如整数、浮点数或固定长度的字符串），然后内存中的位被解释为具有该数据类型的值。

用dtype=object 创建一个数组是不同的。数组占用的内存现在被 pointers 填充到 Python 对象，这些对象存储在内存中elsewhere（很像 Python list 实际上只是一个指针列表对象，而不是对象本身）。

诸如* 之类的算术运算符不适用于ar1 之类的具有string_ 数据类型的数组（取而代之的是特殊函数- 见下文）。 NumPy 只是将内存中的位视为字符，* 运算符在这里没有意义。但是，这条线

np.array(['avinash','jay'], dtype=object) * 2

有效，因为现在数组是（指向）Python 字符串的数组。 * 运算符为这些 Python 字符串对象定义得很好。在内存中创建新的 Python 字符串，并返回一个新的 object 数组，其中包含对新字符串的引用。

---

如果您有一个具有string_ 或unicode_ dtype 的数组并且想要重复每个字符串，您可以使用np.char.multiply：

In [52]: np.char.multiply(ar1, 2)
Out[52]: array(['avinashavinash', 'jayjay'], 
      dtype='<U14')

NumPy 还有很多其他vectorised string methods。