Python pandas.Series.to_numpy用法及代码示例

用法:
Series.to_numpy(dtype=None, copy=False, na_value=NoDefault.no_default, **kwargs)

表示此系列或索引中的值的 NumPy ndarray。

参数：

dtype：str 或 numpy.dtype，可选

要传递给 numpy.asarray() 的 dtype。

copy：布尔值，默认为 False

是否确保返回值不是另一个数组上的视图。请注意，copy=False 并不能确保 to_numpy() 是 no-copy。相反，copy=True 确保制作副本，即使并非绝对必要。

na_value：任意，可选

用于缺失值的值。默认值取决于dtype 和数组的类型。

**kwargs：

其他关键字传递给底层数组的to_numpy 方法(对于扩展数组)。

numpy.ndarray

注意：

返回的数组将相同直到相等(self 中相等的值将在返回的数组中相等；对于不相等的值也是如此)。当self 包含 ExtensionArray 时，dtype 可能不同。例如，对于category-dtype 系列，to_numpy() 将返回一个 NumPy 数组，并且分类 dtype 将丢失。

对于 NumPy dtypes，这将是对该系列或索引中存储的实际数据的引用(假设为 copy=False )。就地修改结果将修改存储在系列或索引中的数据(我们不建议这样做)。

对于扩展类型，to_numpy() 可能需要复制数据并将结果强制转换为 NumPy 类型(可能是对象)，这可能很昂贵。当您需要对基础数据的no-copy 引用时，pandas.Series.array应改为使用。

此表列出了 pandas 中各种 dtype 的不同 dtype 和默认返回类型 to_numpy()。

类型	数组类型
类别[T]	ndarray[T] (与输入相同的 dtype)
period	ndarray[object](句点)
interval	ndarray[object](间隔)
IntegerNA	ndarray[对象]
日期时间64[ns]	日期时间64[ns]
日期时间64[ns, tz]	ndarray[object](时间戳)

例子：

>>> ser = pd.Series(pd.Categorical(['a', 'b', 'a']))
>>> ser.to_numpy()
array(['a', 'b', 'a'], dtype=object)

指定 dtype 以控制 datetime-aware 数据的表示方式。使用 dtype=object 返回 pandas Timestamp 对象的 ndarray，每个对象都有正确的 tz 。

>>> ser = pd.Series(pd.date_range('2000', periods=2, tz="CET"))
>>> ser.to_numpy(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 dtype='datetime64[ns]' 返回原生 datetime64 值的 ndarray。这些值将转换为 UTC 并删除时区信息。

>>> ser.to_numpy(dtype="datetime64[ns]")
... 
array(['1999-12-31T23:00:00.000000000', '2000-01-01T23:00:00...'],
      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.to_numpy。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。

用法:

参数：

返回：

注意：

例子：