关于np.ndarray与np.typing.NDArray类型标注的技术疑问

1. 请问np.ndarray[Any, np.dtype[np.float64]]是什么类型？为何np.typing.NDArray[np.float64]是它的别名？ #

这是NumPy里用来标注任意维度、元素为float64类型的数组的写法。np.ndarray的类索引（即__class_getitem__方法）需要两个参数：第一个参数指定数组的维度类型，Any代表维度不限；第二个参数指定元素的dtype，np.dtype[np.float64]明确元素是双精度浮点数。

np.typing.NDArray是官方为类型标注专门设计的简化泛型工具，它默认把维度参数固定为Any，只需要传入元素类型就能完成标注。所以np.typing.NDArray[np.float64]完全等价于np.ndarray[Any, np.dtype[np.float64]]，官方将其设为别名就是为了让类型标注更简洁，不用每次都写冗长的双参数格式。

2. 根据np.typing.NDArray的官方文档，它是np.ndarray[Any, np.dtype[+ScalarType]]的泛型版本，此处的“泛化”体现在哪里？ #

这里的泛化主要体现在两点：

• 参数简化：原始的np.ndarray类型标注需要显式传入维度和dtype两个参数，而NDArray直接把维度参数固定为Any，只需要指定元素的标量类型（ScalarType），大幅降低了标注的复杂度。
• 协变支持：+ScalarType是协变类型注解，意思是如果某个类型是ScalarType的子类，对应的NDArray类型会被视为兼容。比如NDArray[np.float32]可以适配接受NDArray[np.floating]的场景，而原始的np.ndarray写法没有这种协变特性，泛化后更符合类型系统的灵活需求。

3. 在numpy.ndarray.__class_getitem__的文档示例np.ndarray[Any, np.dtype[Any]]中，两个参数的含义是什么？ #

这两个参数分别对应数组的维度和元素类型：

• 第一个参数Any：表示数组的维度没有限制，可以是0维（标量）、1维、2维或者更高维度，类型检查时不会约束维度数量。
• 第二个参数np.dtype[Any]：表示数组的元素可以是NumPy支持的任意数据类型，比如int、float、bool等，类型检查时不限制元素的具体类型。
  这个写法本质上就是标注“任意维度、任意元素类型的NumPy数组”。

4. 为何可以使用np.ndarray[float]这种仅传入单个参数的写法？该写法代表什么含义？ #

这是NumPy为简化类型标注做的语法糖。当np.ndarray的类索引只收到一个参数时，它会自动把这个参数映射到第二个位置的dtype参数，同时默认第一个维度参数为Any。

换句话说，np.ndarray[float]等价于np.ndarray[Any, np.dtype[float]]，表示任意维度、元素类型为float的NumPy数组。这个设计是为了和np.typing.NDArray的用法对齐，让类型标注更简洁直观。

内容的提问来源于stack exchange，提问作者Alexander Soare