更新:您可能需要调查Pandas。它的
与NumPy相比,Series和DataFrames更易于使用,功能更全面
结构化数组。import numpy as np
channel = np.zeros(1, dtype = [('PRN',int),
('acquiredFreq',int),
('codePhase',int),
('status','|S1')])
print(channel)
# [(0, 0, 0, '')]
整数索引访问特定行:print(channel[0])
# (0, 0, 0, '')
按列名索引将以数组形式返回列:print(channel['PRN'])
# [0]
或者可以循环遍历每一行并分配给每一个字段(列),
但在纽比,这个速度相对较慢。for row in channel:
row['PRN'] = 1
row['acquiredFreq'] = 1
row['codePhase'] = 1
row['status'] = '+'
print(channel)
# [(1, 1, 1, '+')]
为了完整起见,我还将提到您可以按行然后按列分配:channel[0]['status'] = '-'
print(channel)
# [(1, 1, 1, '-')]
或按列然后按行分配:channel['PRN'][0] = 10
print(channel)
# [(10, 1, 1, '-')]
我展示了上面的代码,因为它与你发布的Matlab代码最相似。但是,让我再次强调,在NumPy数组中分配给单个单元格是很慢的。执行上述操作的关键方法是执行整个数组分配:channel['PRN'] = PRNindexes
其中PRNindexes是序列(例如列表、元组或NumPy数组)。
还可以使用fancy indexing(也称为“高级索引”)选择行:index = (channel.status == '+') # Select all rows with status '+'
channel['PRN'][index] = 10 # Set PRN to 10 for all those rows
请记住,花哨的索引返回一个新数组,而不是原始数组的视图。(与此相反,“基本切片”(例如channel[0]或channel[1:10]返回一个视图)因此,如果要进行改变原始数组的赋值,请先按列选择,然后选择花式索引(index)channel['PRN'][index] = ...
而不是channel[index]['PRN'] = ...