NumPy массив как тип данных в структурированном массиве?

Question

Мне было интересно, возможно ли иметь numpy.array в качестве типа данных в структурированном массиве. Это идея:

import numpy

raw_data = [(1, numpy.array([1,2,3])), 
            (2, numpy.array([4,5,6])), 
            (3, numpy.array([7,8,9]))]

data = numpy.array(raw_data, dtype=[('num', float),
                                    ('arr', numpy.array)])

У меня есть список кортежей, состоящий из целого числа и массива, и я хотел бы превратить его в структурированный массив. Сейчас Python жалуется, что не понимает тип данных numpy.array. Есть ли другой способ ссылки на тип данных массива?

Мотивация заключается в том, чтобы иметь возможность делать такие вещи, как:

print numpy.min(data['arr'], axis=0)
print numpy.min(data['arr'], axis=1)

и другие операции.

Answer 1

Да, вы можете создавать составные поля, которые выглядят как массивы в структурированном массиве; например:

import numpy as np
raw_data = [(1, np.array([1,2,3])), 
            (2, np.array([4,5,6])), 
            (3, np.array([7,8,9]))]

tp = np.dtype([('id', int), ('arr', float, (3,))])

x = np.array(raw_data, dtype=tp)

Результат выглядит так:

>>> x
array([(1, [1.0, 2.0, 3.0]), (2, [4.0, 5.0, 6.0]), (3, [7.0, 8.0, 9.0])], 
      dtype=[('id', '<i8'), ('arr', '<f8', (3,))])