pandas.Series.array#

Series.__array__(dtype=None, copy=None)[源代码][源代码]#

将值作为 NumPy 数组返回。

用户不应直接调用此函数。相反，它由 numpy.array() 和 numpy.asarray() 调用。

参数:

dtypestr 或 numpy.dtype，可选: 用于结果NumPy数组的dtype。默认情况下，dtype是从数据推断出来的。
复制布尔值或无，可选: 未使用。

返回:

numpy.ndarray: 序列中的值转换为具有指定 dtype 的 numpy.ndarray。

参见

数组: 从数据创建一个新数组。
Series.array: 对支持 Series 的数组的零拷贝视图。
Series.to_numpy: 类似行为的系列方法。

示例

>>> ser = pd.Series([1, 2, 3])
>>> np.asarray(ser)
array([1, 2, 3])

对于时区感知的数据，时区可能会保留在 dtype='object' 中

>>> 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，值可以本地化为UTC，并且使用 dtype='datetime64[ns]' 丢弃tzinfo

>>> np.asarray(tzser, dtype="datetime64[ns]")  
array(['1999-12-31T23:00:00.000000000', ...],
      dtype='datetime64[ns]')

pandas.Series.__array__#

pandas.Series.array#