查看不同dtype下的对象数组

我想查看一个具有封装整行的 dtype 的对象数组：

data = np.array([['a', '1'], ['a', 'z'], ['b', 'a']], dtype=object)
dt = np.dtype([('x', object), ('y', object)])
data.view(dt)

我收到错误：

TypeError: Cannot change data-type for object array.

我已尝试以下解决方法：

dt2 = np.dtype([('x', np.object, 2)])
data.view()
data.view(np.uint8).view(dt)
data.view(np.void).view(dt)

所有情况都会导致相同的错误。有没有办法查看具有不同数据类型的对象数组？

我还尝试了一种更通用的方法（仅供参考，因为它在功能上与上面所示的相同）：

dt = np.dtype(','.join(data.dtype.char * data.shape[1]))
dt2 = np.dtype([('x', data.dtype, data.shape[1])])

似乎你总是可以使用强制查看缓冲区np.array:

view = np.array(data, dtype=dt, copy=not data.flags['C_CONTIGUOUS'])

虽然这是一种快速而肮脏的方法，但在这种情况下数据会被复制，并且dt2没有得到正确应用：

>>> print(view.base)
None
>>> np.array(data, dtype=dt2, copy=not data.flags['C_CONTIGUOUS'])
array([[(['a', 'a'],), (['1', '1'],)],
       [(['a', 'a'],), (['z', 'z'],)],
       [(['b', 'b'],), (['a', 'a'],)]], dtype=[('x', 'O', (2,))])

对于更正确的方法（在某些情况下），您可以使用原始np.ndarray构造函数：

real_view = np.ndarray(data.shape[:1], dtype=dt2, buffer=data)

这使得数据的真实视图：

>>> real_view
array([(['a', '1'],), (['a', 'z'],), (['b', 'a'],)], dtype=[('x', 'O', (2,))])
>>> real_view.base is data
True

如图所示，这仅在数据具有 C 连续行时才有效。