更新：您可能想调查熊猫。与NumPy结构化数组相比，其Series和Dataframes更易于使用且功能更全。
您可以使用NumPy结构化数组：
import numpy as npchannel = np.zeros(1, dtype = [('PRN',int), ('acquiredFreq',int), ('prePhase',int), ('status','|S1')])print(channel)# [(0, 0, 0, '')]通过整数索引访问特定行：
print(channel[0])# (0, 0, 0, '')
通过列名建立索引将列作为数组返回：
print(channel['PRN'])# [0]
或者，您可以遍历每一行并分配给每个字段（列），但这在NumPy中相对较慢。
for row in channel: row['PRN'] = 1 row['acquiredFreq'] = 1 row['prePhase'] = 1 row['status'] = '+'print(channel) # [(1, 1, 1, '+')]
为了完整起见，我还要提到您可以按行然后按列进行分配：
channel[0]['status'] = '-'print(channel)# [(1, 1, 1, '-')]
或按列然后按行分配：
channel['PRN'][0] = 10print(channel)# [(10, 1, 1, '-')]
我展示了上面的内容，因为它与您发布的Matlab代码最相似。但是，让我再次强调，分配给NumPy数组中的单个单元很慢。NumPy执行上述操作的方法是执行整个数组分配：
channel['PRN'] = PRNindexes
PRNindexes序列在哪里（例如列表，元组或NumPy数组）。
您还可以使用花式索引（也称为“高级索引”）来选择行：
index = (channel.status == '+') # Select all rows with status '+'channel['PRN'][index] = 10 # Set PRN to 10 for all those rows
只要记住，花式索引会返回一个新数组，而不是原始数组的视图。（相比之下，“基本切片”（例如
channel[0]，
channel[1:10]返回一个视图）。因此，如果要进行分配来更改原始数组的分配，请先按列选择，然后按花式索引（
index）选择。
channel['PRN'][index] = ...
而不是
channel[index]['PRN'] = ...
