如何使用 numpy 广播、meshgrid 或其他方法创建字符矩阵

Question

假设我有两个 numpy 数组：

a = np.array(['a','b'])
b = np.array(['c','d'])

我怎样才能创建一个像这样的网格：

ac | ad
-------
bc | bd

我希望能够做到：

a @ b

或

np.meshgrid(a,b)

但两者都抛出类型异常。

使用矩阵乘积等运算符创建组合的有效方法是什么？ Itertools.product 是一种方法，但我更喜欢使用 numpy。

Answer 1

使用object dtype（而不是默认的U1），+ 是字符串连接：

In [317]: a.astype(object)[:,None]+ b.astype(object)                                                         
Out[317]: 
array([['ac', 'ad'],
       ['bc', 'bd']], dtype=object)

由于这是工作对象 dtype 数组，因此速度不会像纯数字代码那样好。它甚至可能比列表理解更慢。

In [319]: np.array([[i+j for j in b] for i in a])                                                            
Out[319]: 
array([['ac', 'ad'],
       ['bc', 'bd']], dtype='<U2')

时间安排：

In [320]: timeit np.array([[i+j for j in b] for i in a])                                                     
10.9 µs ± 130 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [321]: timeit a.astype(object)[:,None]+ b.astype(object)                                                  
16.7 µs ± 206 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

还有一个纯列表版本：

In [322]: %%timeit A,B=a.tolist(), b.tolist() 
     ...: [[i+j for j in B] for i in A]                                                                                               
1.33 µs ± 13.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

char.add 虽然方便，但仍然依赖于字符串方法，所以不是更快：

In [324]: timeit np.char.add(a[:, None], b)                                                                  
15.6 µs ± 62.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

frompyfunc 和 operator.__add__ 比列表理解略好：

In [331]: timeit np.frompyfunc(__add__,2,1)(a[:,None], b)                                                    
8.75 µs ± 182 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

Answer 2

这是np.char.add

---

np.char.add(a[:, None], b)

array([['ac', 'ad'],
       ['bc', 'bd']], dtype='<U2')