np.typing.NDArray可用于指定具有给定类型的数组，例如整数数组：

def return_numpy_int_array(a_variable: npt.ArrayLike) -> np.typing.NDArray[np.int_]:
    return np.array(a_variable)

如果f = [1, 10, 100]，则return_numpy_int_array(f)返回array([ 1, 10, 100])
ndarray是类，它是泛型的，因为它是创建numpy数组的底层方法，作为泛型类型，它可以被参数化，就像list或dict一样;例如：

np.ndarray(shape=(3,), dtype=np.int32)

输出一个32位整数的列表（类似数组）数据类型对象：

[66912960        0        0]

因此np.ndarray[Any, np.dtype[+ScalarType]]意味着我们可以为dtype提供一组参数：

dtype_ = np.dtype([('name', np.unicode_, 8), ('size', np.float64, (2,))])

其输出：

[('name', '<U8'), ('size', '<f8', (2,))]

其类型为<class 'numpy.dtype[void]'>
我们可以通过dtype_从ndarray创建一个numpy数组b：

b = np.ndarray(shape=(2,), dtype=dtype_)

其输出：

[('', [0., 0.]) ('', [0., 0.])]

其中可以使用ScalarType：

np.ndarray(shape=(2,), dtype=dtype_[0])

输出：

['' '']

它可以是给定值：

b['size'] = 2.35

输出：

[('', [2.35, 2.35]) ('', [2.35, 2.35])]

因为我们指定了一个dtype，那么b['size'] = "dasbff"会引发一个错误：

ValueError: could not convert string to float: 'dasbff'