pandas.Series.__array__#
- Series.__array__(dtype=None)[源代码]#
以NumPy数组的形式返回值。
用户不应直接调用此函数。相反,它是由
numpy.array()
和numpy.asarray()
。- 参数
- dtype字符串或umpy.dtype,可选
用于结果NumPy数组的数据类型。默认情况下,数据类型是从数据推断出来的。
- 退货
- numpy.ndarray
序列中的值转换为
numpy.ndarray
使用指定的 dtype 。
参见
array
从数据创建新数组。
Series.array
以零拷贝方式查看支持系列的阵列。
Series.to_numpy
类似行为的级数方法。
示例
>>> ser = pd.Series([1, 2, 3]) >>> np.asarray(ser) array([1, 2, 3])
对于支持时区的数据,可以使用保留时区
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,可以将这些值本地化为UTC,并使用
dtype='datetime64[ns]'
>>> np.asarray(tzser, dtype="datetime64[ns]") array(['1999-12-31T23:00:00.000000000', ...], dtype='datetime64[ns]')