История изменений

Думаю, скорее случай, когда есть данные разных типов, которые сложно объединить в один np.array.

Во например: в моём случае есть координаты точек, которые логично держать во float, но есть ещё «свойства» этих точек, которым float не особо нужен, а иногда и противопоказан. Даже если всё это «транслировать» фо float и объединить в один np.array, то как быть дальше я не представляю. Координаты надо крутить-вертеть умножая на матрицу, но свойства-то при этом не отбросишь? Из-за наличия свойств изменяются придётся конструировать спецаильные матрицы вращения, трансляции и т.п. Ну т.е. можно сделать сечение, но всё равно не всегда получается делать операции inplace. По итогу приходится делать несколько np.array и постоянно следить, чтобы они были «синхзронизорованны». Как быть с вероятностными процессами, кроме как обходить все точки по очереди, я вообще слабо представляю.

Если подскажешь варианты - я буду рад.

Думаю, скорее случай, когда есть данные разных типов, которые сложно объединить в один np.array.

Во например в моём случае есть координаты точек, которые логично держать во float, но кроме этого есть ещё «свойства» этих точек, которым float не особо нужен, а иногда и противопоказан. Даже если всё это каким-то образом «транслировать» фо float и объединить в один np.array, то как быть дальше я не представляю. Координаты надо крутить-вертеть умножая на матрицу, но свойства-то при этом не отбросишь? Из-за наличия свойств изменяются матрицы вращения, трансляции и т.п. Ну т.е. можно сделать сечение, но всё равно не всегда получается делать операции inplace. По итогу приходится делать несколько np.array и постоянно следить, чтобы они были «синхзронизорованны».

Если подскажешь вариант лучше - я буду рад.