NumPy数组存储为连续的内存块。它们通常具有单个数据类型（例如，整数，浮点数或固定长度的字符串），然后将内存中的位解释为具有该数据类型的值。
创建数组的
dtype=object方式有所不同。现在，数组占用的内存充满了 指向 Python对象的 指针 ，这些 指针 存储在内存中的
其他位置 （很像Python
list实际上只是对象的指针列表，而不是对象本身）。
诸如此类的算术运算符
*不适
ar1用于具有
string_数据类型的数组（而是使用特殊函数-
参见下文）。NumPy只是将内存中的位视为字符，因此
*操作符在这里没有意义。但是，线
np.array(['avinash','jay'], dtype=object) * 2
之所以起作用，是因为该数组是Python字符串（指向）的数组。
*这些Python字符串对象的运算符定义明确。在内存中创建新的Python字符串，并
object返回引用了新字符串的新数组。
如果您有一个带有
string_或
unipre_dtype的数组，并且想重复每个字符串，则可以使用
np.char.multiply：
In [52]: np.char.multiply(ar1, 2)Out[52]: array(['avinashavinash', 'jayjay'], dtype='<U14')
NumPy也有许多其他向量化字符串方法。
