Python 3.x 如何使用numpy广播、网格网格或其他方法创建字符矩阵

假设我有两个numpy阵列：

a = np.array(['a','b'])
b = np.array(['c','d'])

如何创建网格，如：

ac | ad
-------
bc | bd

我希望能够做到：

a@b

或

np.meshgrid（a，b）

但两者都抛出类型异常

使用像矩阵积这样的运算符创建组合的有效方法是什么？Itertools.product是一种方法，但我更喜欢使用numpy。

对于对象数据类型（而不是默认的

U1

），

+

是字符串连接：

In [317]: a.astype(object)[:,None]+ b.astype(object)                                                         
Out[317]: 
array([['ac', 'ad'],
       ['bc', 'bd']], dtype=object)

因为这是工作对象数据类型数组，所以速度不如纯数字代码。它甚至可能比列表理解更慢

In [319]: np.array([[i+j for j in b] for i in a])                                                            
Out[319]: 
array([['ac', 'ad'],
       ['bc', 'bd']], dtype='<U2')

和纯列表版本：

In [322]: %%timeit A,B=a.tolist(), b.tolist() 
     ...: [[i+j for j in B] for i in A]                                                                                               
1.33 µs ± 13.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

char.add

虽然方便，但仍然依赖于字符串方法，因此速度不是更快：

In [324]: timeit np.char.add(a[:, None], b)                                                                  
15.6 µs ± 62.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

frompyfunc

带有

运算符。\uuuu add\uuuu

略优于列表理解：

In [331]: timeit np.frompyfunc(__add__,2,1)(a[:,None], b)                                                    
8.75 µs ± 182 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

对于对象数据类型（而不是默认的

U1

），

+

是字符串连接：

In [317]: a.astype(object)[:,None]+ b.astype(object)                                                         
Out[317]: 
array([['ac', 'ad'],
       ['bc', 'bd']], dtype=object)

因为这是工作对象数据类型数组，所以速度不如纯数字代码。它甚至可能比列表理解更慢

In [319]: np.array([[i+j for j in b] for i in a])                                                            
Out[319]: 
array([['ac', 'ad'],
       ['bc', 'bd']], dtype='<U2')

和纯列表版本：

In [322]: %%timeit A,B=a.tolist(), b.tolist() 
     ...: [[i+j for j in B] for i in A]                                                                                               
1.33 µs ± 13.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

char.add

虽然方便，但仍然依赖于字符串方法，因此速度不是更快：

In [324]: timeit np.char.add(a[:, None], b)                                                                  
15.6 µs ± 62.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

frompyfunc

带有

运算符。\uuuu add\uuuu

略优于列表理解：

In [331]: timeit np.frompyfunc(__add__,2,1)(a[:,None], b)                                                    
8.75 µs ± 182 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

这是

---

数组（[['ac'，'ad']，
['bc'，'bd']]，dtype='这是



数组（[['ac'，'ad']，
['bc'，'bd']]，dtype='确切的预期输出是什么？确切的预期输出是什么？