Преобразование массивов int в строковые массивы в numpy без усечения

Question

Попытка преобразовать int-массивы в строковые массивы в numpy

In [66]: a=array([0,33,4444522])
In [67]: a.astype(str)
Out[67]: 
array(['0', '3', '4'], 
      dtype='|S1')

Не то, что я намеревался

In [68]: a.astype('S10')
Out[68]: 
array(['0', '33', '4444522'], 
      dtype='|S10')

Это работает, но я должен был знать, что 10 было достаточно большим, чтобы вместить мои самые длинныестрока.Есть ли способ сделать это легко, не зная заранее, какой размер строки вам нужен?Кажется немного опасным, что он просто тихо обрезает вашу строку, не выдавая ошибку.

Answer 1

Опять же, это можно решить на чистом Python:

>>> map(str, [0,33,4444522])
['0', '33', '4444522']

Или, если вам нужно конвертировать туда и обратно:

>>> a = np.array([0,33,4444522])
>>> np.array(map(str, a))
array(['0', '33', '4444522'], 
      dtype='|S7')

Answer 2

Вы можете остаться в NumPy, делая

np.char.mod('%d', a)

Это в два раза быстрее, чем map или списки для 10 элементов, в четыре раза быстрее для 100. Эта и другие строковые операции задокументированы здесь .

Answer 3

Вы можете найти наименьшую достаточную ширину, например:

In [3]: max(len(str(x)) for x in [0,33,4444522])
Out[3]: 7

В качестве альтернативы просто создайте ndarray из списка строк:

In [7]: np.array([str(x) for x in [0,33,4444522]])
Out[7]: 
array(['0', '33', '4444522'], 
      dtype='|S7')

или, используя map():

In [8]: np.array(map(str, [0,33,4444522]))
Out[8]: 
array(['0', '33', '4444522'], 
      dtype='|S7')

Answer 4

Используйте arr.astype(str), так как int в str преобразование теперь поддерживается numpy с желаемым результатом:

import numpy as np

a = np.array([0,33,4444522])

res = a.astype(str)

print(res)

array(['0', '33', '4444522'], 
      dtype='<U11')

Answer 5

np.apply_along_axis(lambda y: [str(i) for i in y], 0, x)

Пример

>>> import numpy as np

>>> x = np.array([-1]*10+[0]*10+[1]*10)
array([-1, -1, -1, -1, -1, -1, -1, -1, -1, -1,  0,  0,  0,  0,  0,  0,  0,
        0,  0,  0,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1])

>>> np.apply_along_axis(lambda y: [str(i) for i in y], 0, x).tolist()
['-1', '-1', '-1', '-1', '-1', '-1', '-1', '-1', '-1', '-1', '0', '0',
 '0', '0', '0', '0', '0', '0', '0', '0', '1', '1', '1', '1', '1', '1',
 '1', '1', '1', '1']