Numpy数组中字符串与浮点数类型冲突：创建保留类型二维数组遇阻

先梳理你的场景：你有不同类型的子数组，想要把它们组合成一个Numpy数组，同时保留每个子数组的原始数据类型，但尝试的两种方法都没能成功。

首先看你的初始数据：

a = ['(0.0 | 0.0 | 0.0)', '(0.0 | 0.0 | 0.1)'] # 字符串类型的子数组
b = [0.0, 0.1] # 浮点类型的子数组
c = [0.0, 0.2]
d = [0.0, 0.3]
e = [0.0, 0.4]

为什么你的尝试会失败？ #

1. 直接使用np.array([a, b, c, d, e])：
   Numpy默认会创建同构数组，也就是要求所有元素必须是同一类型。这里字符串类型的优先级更高，所以所有浮点数组被强制转换成了字符串类型，不符合你的需求。

2. 自定义结构化dtype的错误：
   你定义的dt = np.dtype([('f1', np.str), ('f2', np.float), ...])属于结构化数据类型，它的设计目标是让数组的每个元素包含多个不同类型的字段（比如每个元素是一个带5个字段的结构体），而不是让数组的每一行是不同类型的子数组。当你传入[a,b,c,d,e]时，Numpy会尝试把a拆分成f1到f5的字段，显然a里的字符串无法转换成浮点数，因此触发报错：

ValueError: could not convert string to float: '(0.0 | 0.0 | 0.0)'

正确的解决方案 #

要实现你的需求，你需要创建一个**dtype=object的Numpy数组**。这种数组的每个元素可以是任意Python对象，因此能容纳不同类型的子数组，同时完整保留它们的原始类型：

import numpy as np

a = ['(0.0 | 0.0 | 0.0)', '(0.0 | 0.0 | 0.1)']
b = [0.0, 0.1]
c = [0.0, 0.2]
d = [0.0, 0.3]
e = [0.0, 0.4]

# 创建object类型的数组
final = np.array([a, b, c, d, e], dtype=object)

你可以验证一下类型是否符合预期：

# 第一个子数组的元素是字符串
print(type(final[0][0]))  # 输出：<class 'str'>
# 第二个子数组的元素是浮点数
print(type(final[1][0]))  # 输出：<class 'numpy.float64'>

这样就完全达成了你的目标，每个子数组都保留了自己的原始数据类型。

内容的提问来源于stack exchange，提问作者Luis Figueiredo