python – 从numpy数组中的每个字符串中提取第一个字母

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

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

或者,您可以更改其视图和步幅.这是针对等大小字符串的略微优化版本. –

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

这是.view方法的更通用版本,但这适用于具有不同长度的字符串数组.感谢Paul Panzer为suggestion –

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

性能

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,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

# 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

视图方法的速度更快.

但是,请谨慎使用,因为内存是共享的.

如果您对找到第一个字母(无论它在哪里)的更通用的解决方案感兴趣,我会说最快/最简单的方法是使用re模块,编译模式并在列表理解中搜索.

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

并且,它在上述相同设置中的性能 –

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