我得到一个与你不同的错误（使用 numpy 1.7.0.dev）：
ValueError: setting an array element with a sequence.
所以下面的解释可能对你的系统不正确（或者它甚至可能是我所看到的错误解释）。
首先，请注意，索引structured array 的一行会为您提供numpy.void 对象（请参阅data type docs）
import numpy as np
dt = np.dtype([('tuple', (int, 2))])
a = np.zeros(3, dt)
print type(a[0]) # = numpy.void
据我了解，void 有点像 Python 列表，因为它可以保存不同数据类型的对象，这是有道理的，因为结构化数组中的列可以是不同的数据类型。
如果不是索引，而是切掉第一行，你会得到一个ndarray：
print type(a[:1]) # = numpy.ndarray
这类似于 Python 列表的工作方式：
b = [1, 2, 3]
print b[0] # 1
print b[:1] # [1]
切片返回原始序列的缩短版本，但索引返回一个元素（此处为int；上为void 类型）。
因此，当您对结构化数组的行进行切片时，您应该期望它的行为与您的原始数组一样（只有更少的行）。继续您的示例，您现在可以分配给第一行的“元组”列：
a[:1]['tuple'] = (1, 2)
那么，...为什么a[0]['tuple'] = (1, 2) 不起作用？
好吧，回想一下 a[0] 返回一个 void 对象。所以，当你打电话时
a[0]['tuple'] = (1, 2) # this line fails
您将 tuple 分配给该 void 对象的“元组”元素。 注意：尽管您将此索引称为“元组”，但它仍存储为ndarray：
print type(a[0]['tuple']) # = numpy.ndarray
因此，这意味着需要将元组转换为 ndarray。 但是，void 对象不能转换赋值（这只是一个猜测），因为它可以包含任意数据类型，所以它不知道要转换为什么类型。要解决这个问题，您可以自己进行输入：
a[0]['tuple'] = np.array((1, 2))
我们收到不同错误的事实表明，上述行可能对您不起作用，因为投射解决了我收到的错误——而不是您收到的错误。
附录：
那么为什么以下工作有效？
a[0]['tuple'][:] = (1, 2)
在这里，当您添加 [:] 时，您将索引到数组中，但没有它，您将索引到 void 对象。换句话说，a[0]['tuple'][:] 表示“替换存储数组的元素”（由数组处理），a[0]['tuple'] 表示“替换存储数组”（由void 处理）。
结语：
奇怪的是，访问行（即使用 0 索引）似乎会删除基本数组，但它仍然允许您分配给基本数组。
print a['tuple'].base is a # = True
print a[0].base is a # = False
a[0] = ((1, 2),) # `a` is changed
也许void 不是真正的数组，所以它没有基本数组，...但是为什么它有base 属性？