为何numpy.array创建类字典对象数组与普通dict数组行为不同？

核心原因是numpy对内置类型（比如dict）有特殊的类型检测逻辑，优先级远高于通用的可迭代/序列类型判断，具体细节如下：

• 内置dict的特殊判定：numpy在创建数组时，会先检查输入对象是否属于它预定义的「非数值容器」类型，dict就是其中之一。对于这类对象，numpy不会尝试去遍历它的迭代器，而是直接把整个dict当作单个元素放进数组，最终数组的dtype会变成object。

• 自定义类的通用逻辑：你的ArrayDict是用户自定义类型，numpy没有针对它的硬编码规则，所以会走通用的序列类型判断逻辑。当类实现了__len__、__iter__和__getitem__（且没实现__array__）时，numpy会把它视为序列，通过迭代器遍历元素（类似dict的类默认迭代器返回键），再把这些遍历出的元素作为数组的内容。

• 额外验证点：如果给ArrayDict加上__array__方法，numpy会优先调用这个方法来生成数组，不再走迭代器逻辑；但哪怕你给普通dict动态添加__array__方法，numpy的内置检测依然会把它当作object类型处理——因为它对内置类型的判断是硬编码在源码里的。

举个直观的代码例子：

import numpy as np

class ArrayDict:
    def __init__(self, data):
        self.data = data
    def __len__(self):
        return len(self.data)
    def __iter__(self):
        return iter(self.data)
    def __getitem__(self, key):
        return self.data[key]

ad = ArrayDict({"a":1, "b":2})
print(np.array((ad, ad)))  # 输出 [['a' 'b'] ['a' 'b']]

data = {"a":1, "b":2}
print(np.array((data, data)))  # 输出 [{'a': 1, 'b': 2} {'a': 1, 'b': 2}]

内容的提问来源于stack exchange，提问作者cosama