NumPy数值类型提示：融合Python原生与NumPy标量

from typing import Union
# ... 其他导入

class Array:
    # ...
    def __add__(self: Array, other: Union[int, float, Array], /) -> Array:
        # ... 实现细节

from typing import Optional, Union
# ... 其他导入

def arange(
    start: Union[int, float],
    /,
    stop: Optional[Union[int, float]] = None,
    step: Union[int, float] = 1,
    *,
    dtype: Optional[Dtype] = None,
    device: Optional[Device] = None,
) -> Array:
    # ... 实现细节

import numpy as np
from typing import Union, List

def process_numeric_value(array: np.ndarray, value: Union[int, float]) -> float:
    """
    处理一个NumPy数组和一个数值。该数值可能来自NumPy数组（标量）
    或Python原生类型（int/float）。

    Args:
        array: 输入的NumPy数组。
        value: 待处理的数值，可以是Python的int/float或NumPy的标量类型。

    Returns:
        处理后的浮点数结果。
    """
    print(f"函数接收到的数组类型: {type(array)}")
    print(f"函数接收到的数值类型: {type(value)}, 值为: {value}")

    # 示例操作：将数值与数组的第一个元素相加
    # 注意：NumPy标量和Python原生数值通常能很好地进行算术运算
    if array.size > 0:
        result = array.flatten()[0] + value
    else:
        result = float(value) # 如果数组为空，直接返回value的浮点形式

    return float(result)

# --- 示例用法 ---
print("--- 测试用例 ---")

# 1. 传入NumPy float64 标量
my_array_float = np.array([[1.5, 2.0], [3.0, 4.0]], dtype=np.float64)
val_np_float = my_array_float[0, 0] # 类型为 <class 'numpy.float64'>
print("\n--- 传入 NumPy float64 标量 ---")
processed_result_1 = process_numeric_value(my_array_float, val_np_float)
print(f"处理结果: {processed_result_1}")

# 2. 传入NumPy int32 标量
my_array_int = np.array([[10, 20], [30, 40]], dtype=np.int32)
val_np_int = my_array_int[0, 0] # 类型为 <class 'numpy.int32'>
print("\n--- 传入 NumPy int32 标量 ---")
processed_result_2 = process_numeric_value(my_array_int, val_np_int)
print(f"处理结果: {processed_result_2}")

# 3. 传入Python原生 float
val_py_float = 5.7
print("\n--- 传入 Python 原生 float ---")
processed_result_3 = process_numeric_value(my_array_float, val_py_float)
print(f"处理结果: {processed_result_3}")

# 4. 传入Python原生 int
val_py_int = 100
print("\n--- 传入 Python 原生 int ---")
processed_result_4 = process_numeric_value(my_array_int, val_py_int)
print(f"处理结果: {processed_result_4}")

# 5. 传入一个空数组的场景
empty_array = np.array([], dtype=np.float64).reshape(0, 0)
print("\n--- 传入空数组 ---")
processed_result_5 = process_numeric_value(empty_array, 7.8)
print(f"处理结果: {processed_result_5}")