从需要.split（'，'）的字符串列表中高效创建多维数组

我试图将当前for循环中的简单计算推入numpy数组。在这种情况下，它是对以下形式的字符串列表的计算：

strings = ['12,34', '56,78'...]

我需要：

1. 用逗号分隔符分割字符串，并产生两个整数，例如
   strings = [[12, 34], [56, 78]...]

2. 仅将此嵌套列表过滤为仅满足某些任意条件的成员，例如，子列表中的两个数字均在特定范围内。

我正在尝试熟悉该numpy库，但是在不增加处理初始列表开销的情况下，我无法利用改进的计算速度。例如，我的本能是在创建数组之前在Python中进行split()andint()转换，但这最终要比简单for循环昂贵。

除此之外，我似乎无法numpy在从初始列表创建的数组中组合完成此操作所需的各种操作。是否有理智的方法来执行此操作，还是因为数组仅使用一次这样的事情而导致丢失？

注：有一个旧的答案在这里那么就表明该字符串操作应在Python做，但它并不比运行时和现在也可能过时。

我的尝试比较：

import random
import datetime as dt
import numpy as np

raw_locs = [str(random.randint(1,100)) + ',' + str(random.randint(1,100)) 
            for x in xrange(100000)]

if __name__ =='__main__':

    # Python approach
    start1 = dt.datetime.now()
    results = []
    for point in raw_locs:
        lon, lat = point.split(",")
        lat = int(lat)
        lon = int(lon)
        if 0 <= lon <= 50 and 50 <= lat <= 100:
            results.append(point)
    end1 = dt.datetime.now()

    # Python list comprehension prior to numpy array
    start2 = dt.datetime.now()
    converted_list = [map(int, item.split(',')) for item in raw_locs]
    end2 = dt.datetime.now()

    # List comprehension + numpy array creation
    start3 = dt.datetime.now()
    arr = np.array([map(int, item.split(',')) for item in raw_locs])
    end3 = dt.datetime.now()

    start4 = dt.datetime.now()   
    results2 = arr[((0 <= arr[:,0]) & (arr[:,0] <= 50) 
                    & (50 <= arr[:,1]) & (arr[:,1] <= 100))]
    end4 = dt.datetime.now()

    # Print results
    print "Pure python for whole solution took:                {}".format(end1 - start1)
    print "Just python list comprehension prior to array took: {}".format(end2 - start2)
    print "Comprehension + array creation took:                {}".format(end3 - start3)
    print "Numpy actual calculation took:                      {}".format(end4 - start4)
    print "Total numpy time:                                   {}".format(end4 - start3)