NumPy 数组存储字符串的方法

NumPy 数组也可以存储字符串，方法是通过指定 dtype（数据类型）为字符串类型来创建数组。NumPy 支持字符串类型，通常使用 dtype=str 或 dtype='U'（Unicode 字符串）来存储字符串。以下是详细说明和示例：

1. 创建存储字符串的 NumPy 数组

你可以创建一个空的 NumPy 数组，指定 dtype 为字符串类型。例如：

import numpy as np# 创建一个空的字符串数组
str_array = np.array([], dtype=str)  # 或 dtype='U'
print(str_array)  # 输出: []
print(str_array.dtype)  # 输出: <U0（表示 Unicode 字符串，长度未定）

2. 指定字符串长度

NumPy 的字符串数组可以指定最大长度（如 U10 表示最大长度为 10 的 Unicode 字符串）。如果不指定长度，NumPy 会根据添加的字符串自动调整。

# 指定最大字符串长度为 10
str_array = np.array([], dtype='U10')
str_array = np.append(str_array, 'hello')
print(str_array)  # 输出: ['hello']
print(str_array.dtype)  # 输出: <U10

3. 添加字符串到 NumPy 数组

与数值类型类似，可以使用 np.append() 添加字符串：

str_array = np.array([], dtype=str)
str_array = np.append(str_array, 'apple')
str_array = np.append(str_array, 'banana')
print(str_array)  # 输出: ['apple' 'banana']

4. 与 Python 列表的对比

• NumPy 字符串数组：

  • 所有元素必须是字符串，且长度受 dtype 限制（例如 U10 限制为 10 个字符，超长会截断）。
  • 适合高效存储和操作大量字符串（如批量处理文本数据）。
  • 示例：

    str_array = np.array(['apple', 'banana'], dtype='U5')
    print(str_array)  # 输出: ['apple' 'banan']（'banana' 被截断为 'banan'）
    

• Python 列表：

  • 字符串长度无限制，元素可以是任意类型。
  • 适合动态添加或混合类型数据，但操作效率低于 NumPy 数组。
  • 示例：

    str_list = ['apple', 'banana']
    str_list.append('cherry')
    print(str_list)  # 输出: ['apple', 'banana', 'cherry']
    

5. 注意事项

• 性能：与数值数组类似，np.append() 对字符串数组也不高效，频繁添加建议用 Python 列表后再转为 NumPy 数组：

  str_list = []
  str_list.append('apple')
  str_list.append('banana')
  str_array = np.array(str_list, dtype=str)  # 转为 NumPy 数组
  print(str_array)  # 输出: ['apple' 'banana']
  

• 字符串长度：如果 dtype 未指定长度（如 U 或 str），NumPy 会根据最长字符串自动调整，但这可能增加内存使用。
• 截断风险：指定固定长度（如 U5）时，超长字符串会被截断：

  str_array = np.array(['abcdefghij'], dtype='U5')
  print(str_array)  # 输出: ['abcde']
  

6. 适用场景

• NumPy 字符串数组：适合需要高效存储、批量操作或与数值数据结合的场景（如基因型数据中的标签、序列名等）。
• Python 列表：适合动态添加或长度不定的字符串。