术语：Python 和 Numpy - `iterable` 与 `array_like`
在使用 Numpy 的 Python 程序中，iterable 和 array_like 对象有什么区别呢？
在 Python 的文档中，iterable 和 array_like 经常会出现，它们有一些相似的特性。
我明白在这个上下文中，array_like 对象应该支持 Numpy 的一些操作，比如广播（broadcasting），不过 Numpy 数组也是可以被迭代的。那么可以说 array_like 是 iterable 的一种扩展（或者说超集？）吗？
2 个回答
虽然Sven的回答第一部分是对的，但我想补充一点，数组类似的对象不一定是可迭代的。
举个例子，在我的具体情况中，我想使用 numpy.rint() 这个函数，它可以接受一些类似数组的对象，这些对象里面的元素是 int 类型的标量。虽然这些对象不能被迭代，但它们还是可以被接受的。你也可以把 int 类型的数字传给 numpy.array()，所以它们确实是类似数组的。
这里有来自“NumPy讨论”邮件列表的确认信息： https://mail.scipy.org/pipermail/numpy-discussion/2016-November/076224.html
“类数组”这个词在NumPy中使用，指的是任何可以作为第一个参数传给numpy.array()来创建数组的东西。
而“可迭代”是Python的标准术语，意思是任何可以被逐个访问的东西（比如用for x in iterable这样的方式）。
大多数类数组的对象都是可迭代的，唯一的例外是标量类型。
不过，并不是所有的可迭代对象都是类数组的。例如，你不能用numpy.array()从生成器表达式创建NumPy数组。（你需要用numpy.fromiter()来做这个。不过，在NumPy的术语中，生成器表达式并不算是“类数组”。）