pandas.Series.__array__ #
- 系列。__array__ ( dtype = None , copy = None ) [来源] #
以 NumPy 数组的形式返回值。
用户不应该直接调用它。相反,它是由
numpy.array()
和调用的numpy.asarray()
。- 参数:
- dtype str 或 numpy.dtype,可选
用于生成的 NumPy 数组的 dtype。默认情况下,数据类型是从数据推断的。
- 复制bool 或 None,可选
没用过。
- 返回:
- numpy.ndarray
系列中的值转换为
numpy.ndarray
具有指定dtype 的值。
也可以看看
array
从数据创建一个新数组。
Series.array
支持该系列的阵列的零拷贝视图。
Series.to_numpy
类似行为的系列方法。
例子
>>> ser = pd.Series([1, 2, 3]) >>> np.asarray(ser) array([1, 2, 3])
对于时区感知数据,时区可以保留
dtype='object'
>>> tzser = pd.Series(pd.date_range('2000', periods=2, tz="CET")) >>> np.asarray(tzser, dtype="object") array([Timestamp('2000-01-01 00:00:00+0100', tz='CET'), Timestamp('2000-01-02 00:00:00+0100', tz='CET')], dtype=object)
或者这些值可能会本地化为 UTC,并且 tzinfo 会被丢弃
dtype='datetime64[ns]'
>>> np.asarray(tzser, dtype="datetime64[ns]") array(['1999-12-31T23:00:00.000000000', ...], dtype='datetime64[ns]')