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 np
channel = np.zeros(1, dtype = [('PRN',int),
('acquiredFreq',int),
('codePhase',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['codePhase'] = 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] = 10
print(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'] = ...