从numpy数组中提取每个字符串的第一个字母

Question

3

我有一个巨大的numpy数组，其中元素是字符串。我希望用字符串的第一个字母替换这些字符串。例如，如果C [0] ='A90CD'，我想将其替换为'A'。

C[0] = 'A'

简而言之，我想在循环中应用正则表达式，其中我有一个正则表达式字典，如下所示：

'^A.+$' => 'A'

'^B.+$' => 'B' 等等

我该如何将此正则表达式应用于numpy数组？或者是否有更好的方法来实现相同的功能？

- Shew

所有字符串都以字母开头吗？还是你想提取像02AC9这样的字符串的第一个字母？ - Mr. T

是的，所有字符串都以字母开头。但实际上，我只对字符串的第一个字母感兴趣。 - Shew

那么，你从Coldspeed那里得到了答案。 - Mr. T

你的数组中的所有字符串长度都相等吗？ - cs95

是的，所有字符串长度相同。 - Shew

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- cs95 · Accepted Answer

这里不需要正则表达式。只需使用astype将您的数组转换为一个1字节字符串即可 -

v = np.array(['abc', 'def', 'ghi'])

>>> v.astype('<U1')
array(['a', 'd', 'g'],
      dtype='<U1')

或者，您可以更改其view和步幅。以下是一个针对相等大小字符串稍微优化过的版本。

>>> v.view('<U1')[::len(v[0])]
array(['a', 'd', 'g'],
      dtype='<U1')

这里是通用版本的.view方法，适用于长度不同的字符串数组。感谢Paul Panzer提供的建议 -

>>> v.view('<U1').reshape(v.shape + (-1,))[:, 0]
array(['a', 'd', 'g'],
      dtype='<U1')

性能表现

y = np.array([x * 20 for x in v]).repeat(100000)

y.shape
(300000,)

len(y[0])   # they're all the same length - `abcabcabc...`
60

现在，谈一下时间 -

# `astype` conversion

%timeit y.astype('<U1')
100 loops, best of 3: 5.03 ms per loop

# `view` for equal sized string arrays 

%timeit y.view('<U1')[::len(y[0])]
100000 loops, best of 3: 2.43 µs per loop

：这是一个空段落标签。

# Paul Panzer's version for differing length strings

%timeit y.view('<U1').reshape(y.shape + (-1,))[:, 0]
100000 loops, best of 3: 3.1 µs per loop

但是请谨慎使用，因为内存是共享的。

如果您对一种更通用的解决方案感兴趣，可以找到您的第一个字母（无论它在哪里），我建议最快/最简单的方法是使用 re 模块，编译模式并在列表推导式中搜索。

>>> p = re.compile('[a-zA-Z]')
>>> [p.search(x).group() for x in v]
['a', 'd', 'g']

而且，它在上述相同的设置上的表现-

%timeit [p.search(x).group() for x in y]
1 loop, best of 3: 320 ms per loop