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]')

pandas.Series.__array__ #

pandas.Series.array #