详细内容或原文请订阅后点击阅览
使用numpy阵列类型提示做更多的事情：注释和验证形状＆dtype
通过完整的通用规范改进静态分析和运行时验证该帖子使用numpy阵列类型提示进行更多：注释和验证形状和DTYPE首先出现在数据科学上。
来源:走向数据科学数组对象可以采用许多具体表单。它可能是一个布尔值的一维（1D）阵列，或者是8位未签名整数的三维（3D）阵列。正如内置函数isInstance（）所示，每个数组都是np.ndarray的实例，无论形状或存储在数组中的元素类型，即dtype。同样，许多类型通知的接口仍然只指定NP.NDARRAY：
isInstance（）
np.ndarray
dtype
导入numpy作为npdef进程（x：np.ndarray，y：np.ndarray，） - > np.ndarray：...
这种类型的注释不足：大多数接口对传递数组的形状或dtype都有很高的期望。如果通过3D阵列，则大多数代码将失败，或者在预期的浮子数组中传递一数组的日期。
现在可以完全指定通用np.ndarray，数组形状和dtype特征的充分优势：
def过程（x：x：np.ndarray [tuple [int]，np.dtype [np.bool_]]，y：np.ndarray [tuple [tuple [int，int，int]，np.dtype [np.uint8]]
有了这样的详细信息，最近的静态分析工具（例如Mypy和Pyright）甚至在运行代码之前就可以找到问题。此外，运行时验证器专门用于Numpy，例如staticframe的SF.CallGuard，可以重新使用相同的注释来进行运行时验证。
mypy
Pyright
staticframe
sf.callguard
Python中的通用类型
通用内置容器（例如列表和dict）可以通过指定每个接口的类型来使其具体。一个函数可以声明其列出列表的列表[str];或者可以用dict [str，bool]指定str的dict of str。
列表
dict
str
列表[str]
bool
dict [str，bool]
通用np.ndarray
元组
np.dtype
形状类型参数
np.empty
np.full
（10，）
（10，100，1000）
元组[int]
元组[int，int，int]
元组[int，...]
字面
dtype类型参数
np.datetime64
np.uint8
np.float64
np.bool_
np.integer
np.inexact
np.number
制作np.ndarray混凝土
一维阵列的布尔值：
CallGuard
检查
警告