如何正确地将字符串数据传递给numpy记录数组（并提取）

Question

我有一大堆数据需要用Numpy来处理。这些数据里有一些字符串，我后面还要用到它们。当我把数据转换成结构化数组时，我指定了数据类型是字符串。我创建记录数组的时候没有出错，但当我尝试把数据再转换成嵌套列表时，我的字符串数据却消失了。这里有个例子……

import numpy as np

data = [
    [100.0, 400.0, 'stringhere'],
    [200.0, 500.0, 'another sting'],
]

npdata = np.array(map(tuple, data),
                dtype=([('x', 'float64'), ('y', 'float64'), ('label', 'S'), ])
)

for entry in npdata:
    print list(entry)

这段代码输出的是……

[100.0, 400.0, '']

[200.0, 500.0, '0']

我对结构化数组还不太熟悉，所以我在想是不是我指定的数据类型不对，或者我对结构化数组处理字符串的方式理解错了。我该怎么才能从结构化数组中提取出我的字符串数据呢？

Answer 1

你需要在字符串的数据类型中指定字节数。否则，numpy会把字节数设置为1：

In [44]: npdata['label'].dtype
Out[44]: dtype('S1')

这样会导致你的数据被截断。

所以，比如说，如果你把 S 替换成 |S20，那么这个字符串的数据类型就可以支持最多20个字节的字符串：

npdata = np.array(map(tuple, data),
                dtype=([('x', 'float64'), ('y', 'float64'), ('label', '|S20'), ]))

for entry in npdata:
    print list(entry)

结果是：

[100.0, 400.0, 'stringhere']
[200.0, 500.0, 'another sting']