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]')

pandas.Series.empty

pandas.Series.__iter__

pandas.Series.__array__#

pandas.Series.array#