numpy 要素の型の混同について

Question

numpyを使った要素の型の混同は、避けるべきなのか

以下のリンクで、numpyでは「要素の型を混在させることができません」とあったのですが実際に、試してみると可能ではあります。（私の理解が誤っている？）

多くのケースでは大多数の同質データをまとめたいので、numpyを使うわけであり、必然的に型も同じになるかと思いますが、
データの状況次第で、同質ではないデータが混ざることがあるかと思いますが、以下のどちらが推奨されているのでしょうか
（皆様の実感ベース、経験ベースで構いません）

• ①可能であればデータ型を揃えてからnumpyで読み込む
• ②numpyでとりあえず読み込んでから、クレンジングする

numpyの仕様的には、[1,2,3,]

該当リンク

該当のソースコード

import  numpy as np
x=np.array([1,2,3])
print("type of x is ",x.dtype,end='\n\n')
print(x)

y=np.array([1,2,3,"this is good"])
print(y)
print("type of y is ",y.dtype,end='\n\n')

Answer 1

型は混在できないのが正しい理解です。
２番目の例の各要素の型は単純に云えば文字列で統一されています。
より正確に云えばリトルエンディアン(<)のユニコード(U)型で１要素あたり12文字確保されています。
Specifying and constructing data types

Answer 2

これ、実際には無理矢理 numpy で設定できる型に揃えられていませんか?

print(x[0] * 2)
print(y[0] * 2)