Python Numpy字符串标量比较

我在Numpy身上看到了一种奇怪的行为，或者我就是不擅长

我有一个带有字符串字段的结构化数组。现在我想根据该字段过滤数据。我的理解是，这将起作用：

data['somefield'][data['filterfield'] == 'someconstant']

但奇怪的是，事实并非如此。我假定

data['filterfield'] == 'someconstant'

将生成一个布尔值数组。但它没有，它返回一个布尔值（不是它的数组）。因此，使用

data['filterfield'] == full(data.shape,'someconstant',dtype=data['filterfield'].dtype)

---

按预期工作，但这是一个麻烦和容易出错。这是预期的行为吗？如果是，是否有一种较短的方法来创建字符串数组

数据['filterfield']

可能是字符串列表

np.char

对这种类型的数组有一组操作。数字数组的普通

array==scalar

测试似乎不适用于这种类型的数组

np.char.equal（c1，c2）

比较两个字符数组，并且没有规定其中一个是普通字符串

因此，生成另一个字符串数组的方法是正确的。但它可以更简单（由于广播）：

如果默认字符类型与

x

匹配，则数组（'two'）也可能工作。我在python3中做了这个测试，所以

---

使用

np.char

函数可能还有其他选项，但这是简单明了的。

data['filterfield']=='someconstant'

肯定会生成布尔值，而不是数组！如果执行

data['somefield'][data['filterfield']=='someconstant']

，它会理解为类似

data['somefield'][True]

是的，我也这么认为。但我从来不知道np.array（'two'，stype='S'）可以工作。我认为它会创建一个字符数组。在某些上下文（

loadtxt

？）中，简单的

S

表示

S1

，1个字符。但显然，在这种用法中，它选择了足够的字符。

In [326]: x=np.array([(1,'one'),(2,'two'),(3,'three')],dtype='int,S10')

In [327]: x['f1']
Out[327]: 
array([b'one', b'two', b'three'], 
      dtype='|S10')

In [328]: x['f1']==np.array('two',dtype='S')
Out[328]: array([False,  True, False], dtype=bool)