Python pandas.Series.__array__用法及代碼示例

用法: Series.__array__(dtype=None)

將值作為 NumPy 數組返回。

用戶不應直接調用它。相反，它由 numpy.array() 和 numpy.asarray() 調用。

參數：

dtype：str 或 numpy.dtype，可選: 用於生成的 NumPy 數組的 dtype。默認情況下，dtype 是從數據中推斷出來的。

numpy.ndarray

係列中的值轉換為具有指定 dtype 的 numpy.ndarray 。

例子：

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

對於timezone-aware 數據，時區可以保留為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)

或者這些值可能被本地化為 UTC，並且 tzinfo 被 dtype='datetime64[ns]' 丟棄

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

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.Series.__array__。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

Python pandas.Series.array用法及代碼示例

用法:

參數：

返回：

例子：