python - 字符串数组到 numpy.amax

Question

在 Python 的标准中 max函数(我也可以传入一个关键参数):

s = numpy.array(['one','two','three'])
max(s) # 'two' (lexicographically last)
max(s, key=len) # 'three' (longest string)

有了更大的(多维)数组，我不能再使用max，所以我尝试使用numpy.amax ，但是我似乎无法将 amax 与字符串一起使用...

t = np.array([['one','two','three'],['four','five','six']])
t.dtype # dtype('|S5')
numpy.amax(t, axis=0) #Error! Hoping for: [`two`, `six`]

Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
    File "/usr/lib/python2.7/dist-packages/numpy/core/fromnumeric.py", line 1833, in amax
        return amax(axis, out)
TypeError: cannot perform reduce with flexible type

是否可以使用 amax(我使用不正确!)，或者是否有其他一些 numpy 工具可以做到这一点？

Answer 1

与其将字符串作为可变长度数据存储在 numpy 数组中，不如尝试将它们存储为 Python object。 Numpy 会将这些视为对原始 Python 字符串对象的引用，然后您可以像您期望的那样对待它们:

t = np.array([['one','two','three'],['four','five','six']], dtype=object)
np.min(t)
# gives 'five'
np.max(t)
# gives 'two'

请记住，此处 np.min 和 np.max 调用按字典顺序对字符串进行排序 - 因此“二”确实在“五”之后。要更改比较运算符以查看每个字符串的长度，您可以尝试创建一个形式相同的新 numpy 数组，但包含每个字符串的长度而不是其引用。然后您可以对该数组执行 numpy.argmin 调用(返回最小值的索引)并在原始数组中查找字符串的值。

---

示例代码:

# Vectorize takes a Python function and converts it into a Numpy
# vector function that operates on arrays
np_len = np.vectorize(lambda x: len(x))

np_len(t)
# gives array([[3, 3, 5], [4, 4, 3]])

idx = np_len(t).argmin(0) # get the index along the 0th axis
# gives array([0, 0, 1])

result = t
for i in idx[1:]:
    result = result[i]
print result
# gives "two", the string with the smallest length