你确实可以使用numpy来完成这个任务，一种方法是将3d数组定义为np.zeros((x_coor, y_coor, 2))，并保存最后一个轴沿着的每个坐标。
另一种使用numpy获得所需结构的方法是定义tuples的ndarray，并以上述方式更新每个点，即grid[x,y] = (value1,value2)。

x_coor=135
y_coor=120

grid = np.zeros((5,3), dtype='i,i')
grid[0,0] = (1,2)
grid[2,2] = (5,1)
grid[1,0] = (3,5)

print(grid)
array([[(1, 2), (0, 0), (0, 0)],
       [(3, 5), (0, 0), (0, 0)],
       [(0, 0), (0, 0), (5, 1)],
       [(0, 0), (0, 0), (0, 0)],
       [(0, 0), (0, 0), (0, 0)]], dtype=[('f0', '<i4'), ('f1', '<i4')])

如果要使用多个坐标一次更新多个值，可以执行以下操作：

grid = np.zeros((5,3), dtype='i,i')

coordinates = np.array([(1,2),(2,2), (0,0)], dtype='i,i')
new_vals = np.array([(12,2),(4,1), (0,9)], dtype='i,i')

grid[tuple(zip(*coordinates))] = new_vals

print(grid)
array([[( 0, 9), ( 0, 0), ( 0, 0)],
       [( 0, 0), ( 0, 0), (12, 2)],
       [( 0, 0), ( 0, 0), ( 4, 1)],
       [( 0, 0), ( 0, 0), ( 0, 0)],
       [( 0, 0), ( 0, 0), ( 0, 0)]], dtype=[('f0', '<i4'), ('f1', '<i4')])

但是要注意元组是 * 不可变的 *，所以如果您打算对这些坐标执行操作，应该使用第一种方法。

对您问题的简短回答：你应该使用panda而不是numpy数组。Numpy是用来加速数组计算的，所以它不允许将数组的每个元素定义为列表。Pandas Dataframe 允许这些类型的操作。下面是你如何在pandas中执行这样的操作。并且特别注意原始 Dataframe 是如何被灵活地定义的，以便它可以在以后被操纵以改变包含在每个单元中的列表的长度：

import numpy as np
import pandas as pd
df = pd.DataFrame(columns=[0,1,2])

for i in range(5):
df.loc[i,0] = np.arange(i)
df.loc[i,1] = np.arange(i)
df.loc[i,2] = np.arange(i)

print(df.loc[2,2])

以下是单元格（2，2）中的条目：

array([0, 1])

您现在可以根据需要进行更改：

df.loc[2,2] = [10,20,30]

所以现在

print(df.loc[2,2])

为您提供：

[10, 20, 30]

我不确定你的应用程序，但另一个数学启发的解决方案是将2d坐标存储为numpy的复数，存储一个FP double，用于真实的坐标和虚坐标，可以通过np.real和np.imag访问，这也使得减去复数和计算欧几里得距离的绝对值变得容易。

a = np.zeros((3, 3), dtype=np.cfloat)
a[2,2] = 1 + 1j