Python 是否可以创建一个NumPy字符数组，并在固定时间内访问该数组的连续切片？ 这不是复制品

我搜索了很多，我很清楚很多相关主题的帖子已经存在了，但没有一个能回答这个简单问题

问题: 是否可以使用NumPy创建一个字符数组（假设使用unicode），然后允许在恒定时间内进行连续切片

期望行为 这里的总体复杂性应该是

O（n）

，而不是

O（n**2）

实际行为 围绕着np_chars的实际行为是我对NumPy最意想不到的体验之一。我假设所有这些都是有充分理由的故意行为，如果有人能指出原因是什么，那就太好了

打印（np字符）

打印

xxxxxxxxx

（好）

len（np_chars）

生成未大小对象的错误

TypeError:len（）

np\u字符大小
为1（？）

np_字符形状
是
（）
（？）

np\u字符[0]
产生
索引器：数组的索引太多（？？）

np_chars.dtype
是
dtype（'
我看不出
np\u chars
有什么奇怪的地方。您让它从一个字符串生成一个数组。它只是这样做了：

In [91]: np_chars                                                               
Out[91]: array('xxxxxxxxxx', dtype='<U10')
In [92]: np_chars.shape                                                         
Out[92]: ()
In [93]: np_chars[()]                                                           
Out[93]: 'xxxxxxxxxx'

从字符串获取子字符串：

In [96]: [chars[:i] for i in range(10)]                                         
Out[96]: 
['',
 'x',
 'xx',
 'xxx',
 'xxxx',
 'xxxxx',
 'xxxxxx',
 'xxxxxxx',
 'xxxxxxxx',
 'xxxxxxxxx']

从字符数组获取数组切片：

In [97]: [_95[:i] for i in range(10)]                                           
Out[97]: 
[array([], dtype='<U1'),
 array(['x'], dtype='<U1'),
 array(['x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x', 'x', 'x', 'x', 'x'], dtype='<U1')]

但是这两种方法有很大的不同，因此比较它们没有多大意义。我们可以从数组切片生成字符串，但这需要更多的时间：

In [101]: [''.join(_95[:i]) for i in range(10)]                                 
Out[101]: 
['',
 'x',
 'xx',
 'xxx',
 'xxxx',
 'xxxxx',
 'xxxxxx',
 'xxxxxxx',
 'xxxxxxxx',
 'xxxxxxxxx']
In [102]: timeit [''.join(_95[:i]) for i in range(10)]                          
41.5 µs ± 306 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

即使我将
n
增加到1000，字符串切片也会更快。
只切片字符串
chars[:I]
有什么不对？不需要numpy。
np\u chars.dtype是dtype（'你给了
np.array
一个字符串，结果是一个只有一个字符串的数组。@hpaulj，
chars[:I]
在
i
中是线性的，不是常数（它创建了一个副本）@davidhofman，这似乎是个诀窍-谢谢。如果你碰巧对NumPy的上述奇怪行为有任何见解，即使它是一个只有一个字符串的数组，也请用“它只是一个0-D数组”来分享好的捕获。出于某种原因，我没有意识到。我很惊讶，例如
len（np.array（0））
会抛出一个错误，但我想最终它是有意义的，因为例如
len（0）
也会抛出一个错误。
In [96]: [chars[:i] for i in range(10)]                                         
Out[96]: 
['',
 'x',
 'xx',
 'xxx',
 'xxxx',
 'xxxxx',
 'xxxxxx',
 'xxxxxxx',
 'xxxxxxxx',
 'xxxxxxxxx']

In [97]: [_95[:i] for i in range(10)]                                           
Out[97]: 
[array([], dtype='<U1'),
 array(['x'], dtype='<U1'),
 array(['x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x', 'x', 'x', 'x'], dtype='<U1'),
 array(['x', 'x', 'x', 'x', 'x', 'x', 'x', 'x', 'x'], dtype='<U1')]

In [98]: timeit [chars[:i] for i in range(10)]                                  
1.83 µs ± 23.3 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [99]: timeit [_95[:i] for i in range(10)]                                    
3.94 µs ± 121 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [100]: timeit np.array(list(chars))                                          
3.95 µs ± 107 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [101]: [''.join(_95[:i]) for i in range(10)]                                 
Out[101]: 
['',
 'x',
 'xx',
 'xxx',
 'xxxx',
 'xxxxx',
 'xxxxxx',
 'xxxxxxx',
 'xxxxxxxx',
 'xxxxxxxxx']
In [102]: timeit [''.join(_95[:i]) for i in range(10)]                          
41.5 µs ± 306 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)