Python pandas.Series.__array__用法及代码示例

用法: Series.__array__(dtype=None)

将值作为 NumPy 数组返回。

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

参数：

dtype：str 或 numpy.dtype，可选: 用于生成的 NumPy 数组的 dtype。默认情况下，dtype 是从数据中推断出来的。

numpy.ndarray

系列中的值转换为具有指定 dtype 的 numpy.ndarray 。

例子：

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

对于timezone-aware 数据，时区可以保留为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)

或者这些值可能被本地化为 UTC，并且 tzinfo 被 dtype='datetime64[ns]' 丢弃

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

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.Series.__array__。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

Python pandas.Series.array用法及代码示例

用法:

参数：

返回：

例子：