pandas.Series.__array__

Series.__array__(dtype=None, copy=None)

将值作为 NumPy 数组返回。

用户不应直接调用此方法。而是由 numpy.array() 和 numpy.asarray() 调用。

Parameters:

dtypestr 或 numpy.dtype，可选

结果 NumPy 数组要使用的 dtype。默认情况下，dtype 是从数据中推断出来的。

copybool 或 None，可选

请参阅 numpy.asarray() 。

Returns:

numpy.ndarray

转换为具有指定 dtype 的 numpy.ndarray 的 Series 中的值。

参见

array

从数据创建新数组。

Series.array

Series 后备数组的零拷贝视图。

Series.to_numpy

Series 方法，用于实现类似的行为。

Examples

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

对于有时区感知的数据，可以使用 dtype='object' 保留时区。

>>> 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，可以将值本地化为 UTC 并丢弃 tzinfo，使用 dtype='datetime64[ns]'。

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