python - 为什么我必须使用 np.string_？为什么我不能使用没有下划线的 np.string？

Question

我刚开始学习 NumPy，所以我对它的所有来龙去脉还是有些迷茫。我正在学习如何创建具有特定数据类型的数组。我对此有点困惑:

当我创建一个 int32 数据类型的数组时，它只显示:

a = np.zeros((2, 3), dtype=np.int32)
print(a)
print(a.dtype)

打印语句显示:int32

当我创建一个 float 数据类型的数组时，它只显示:

a = np.array([1, 2, 3, 4], dtype=np.float)
print(a)
print(a.dtype)

打印语句显示:float64

但是，当我创建一个数据类型为字符串的数组时，它没有类似的输出:

a = np.array([1,2,3,4,5,6], dtype=np.string_)

print(a)
print(a.dtype)

打印语句显示:

[b'1' b'2' b'3' b'4' b'5' b'6']
|S1

为什么？这是什么意思？另外，为什么我不能选择dtype=np.string？为什么我需要下划线 dtype=np.string_？

Answer 1

如您所见，如果您只是这样做:

>>> np.string_
<class 'numpy.bytes_'>
>>> 

它会自动为每个值提供一个 numpy.bytes_ 对象。'

所以你应该按如下方式做np.str_:

>>> np.array([1,2,3,4,5,6], dtype=np.str_)
array(['1', '2', '3', '4', '5', '6'], dtype='<U1')
>>> 

它给出了一个常规的 numpy 标量字符串数据类型，它与常规的 str 相同。

只使用 str 会更容易:

>>> np.array([1,2,3,4,5,6], dtype=str)
array(['1', '2', '3', '4', '5', '6'], dtype='<U1')
>>>