这里有一种方法，可以将输入字符串转换为N个长度的数字数组，也就是说，每个字符串被转换为长度为N的一维数组，其中N是每个字符串的长度。 这里建议的方法基本上是将字符串转换为它们的int等价物，然后使用与前面元素power-10缩放版本的区别来获得所有数字。实现方式如下-

A = (strarray.astype(int)/(10**np.arange(len(strarray[0][0])))).astype(int)
out = np.column_stack((A[:,-1],(A[:,:-1] - 10*A[:,1:])[:,::-1]))

样本运行-

可以使用数组view方法将字符串拆分为单个字符：

In [18]: strarray = np.array([[b"123456"], [b"654321"]])

In [19]: strarray.dtype
Out[19]: dtype('S6')

In [20]: strarray.view('S1')
Out[20]: 
array([['1', '2', '3', '4', '5', '6'],
       ['6', '5', '4', '3', '2', '1']], 
      dtype='|S1')

有关数据类型字符代码，请参见here。在

然后最明显的下一步是使用astype：

但是，要重新解释单个字节的整数（48）并将其重新解释为整数。这是因为ASCII字符占用一个字节，而'0'到'9'是二进制的，相当于（u）int8的48到57（检查^{} builtin）。在

速度比较：

In [26]: ar = np.array([[''.join(np.random.choice(list('123456789'), size=320))] for _ in range(1000)], bytes)

In [27]: %timeit _ = ar.view('S1').astype(np.uint8)
1 loops, best of 3: 284 ms per loop

In [28]: %timeit _ = ar.view(np.uint8) - ord('0')
1000 loops, best of 3: 1.07 ms per loop

如果使用Unicode而不是ASCII，则需要执行这些步骤略有不同。或者先用astype(bytes)转换成ASCII。在