在使用Numpy的Python程序中iterable和array_like对象有什么区别？
iterable 和 array_like 经常出现在 Python 文档中，它们有一些相似的属性。
我知道在这种情况下array_like 对象应该支持Numpy 类型的操作，例如广播，但是Numpy 数组区域也是可迭代的。说array_like 是iterable 的扩展（或超集？）是否正确？
【问题讨论】：
"array-like" 一词确实仅在 NumPy 中使用，它指的是可以作为第一个参数传递给 numpy.array() 以创建数组的任何内容。
术语"iterable" 是标准的python 术语，指的是任何可以迭代的东西（例如使用for x in iterable）。
大多数类似数组的对象都是可迭代的，但标量类型除外。
许多可迭代对象不是类数组——例如，您不能使用 numpy.array() 从生成器表达式构造 NumPy 数组。 （您必须改用numpy.fromiter()。尽管如此，在 NumPy 文档的术语中，生成器表达式并不是“类数组”。）
【讨论】：
array-like 和numpy.array() 的第一个参数之间的链接。
int类型的标量值是类数组，可以传递给numpy.array()，但不可迭代。
虽然 Sven 的答案的第一部分是正确的，但我想补充一点，类似数组的对象不一定是可迭代的。
例如，在我的特定情况下，我有兴趣使用numpy.rint() 函数，该函数接受带有int 类型标量的类数组对象。它们不可迭代，但被接受。您还可以将ints 传递给numpy.array()，因此它们类似于数组。
这是来自“NumPy-Discussion”邮件列表的确认：https://mail.scipy.org/pipermail/numpy-discussion/2016-November/076224.html
【讨论】：