子类化 numpy.ndarray 是一种高层次的架构决策，用于创建领域特定的数据结构，以封装 元数据 （如单位、坐标或采样率）以及原始数值数据。与标准 Python 类不同，NumPy 对象通常在不调用 __init__的情况下创建。

初始化三路径

架构师必须考虑三种不同的实例化路径，这些路径会绕过标准构造函数：

• 显式构造： 使用类名（由 __new__处理）。
• 视图转换： 将现有数组重新解释为你的子类。
• 基于模板新建： 创建现有子类实例的切片或副本。

专门的 __array_finalize__ 钩子是这些路径中元数据同步的汇聚点。

行为脆弱性

子类化与 NumPy C-API 形成紧密耦合。返回标量的操作（例如， np.mean()）通常会 “剥离” 子类身份，恢复为标准的 ndarray。因此，除非通过状态转换仔细处理，否则元数据管理始终存在风险。