pandas.Series.to_numpy

Series.to_numpy(dtype=None, copy=False, na_value=_NoDefault.no_default, **kwargs)

表示此 Series 或 Index 中值的 NumPy ndarray。

Parameters:

dtypestr 或 numpy.dtype，可选

传递给 numpy.asarray() 的 dtype。

copybool，默认 False

是否确保返回值不是另一个数组的视图。请注意，copy=False 不 确保 to_numpy() 是无副本的。相反，copy=True 确保创建副本，即使不是严格必需的。

na_value任意类型，可选

用于缺失值的 the value。默认值取决于 dtype 和数组的类型。

**kwargs

传递给底层数组的 to_numpy 方法的附加关键字（用于扩展数组）。

Returns:

numpy.ndarray

参见

Series.array

获取其中存储的实际数据。

Index.array

获取其中存储的实际数据。

DataFrame.to_numpy

DataFrame 的类似方法。

Notes

返回的数组在相等性上与原数组相同（self 中相等的值在返回的数组中也将相等；不相等的值同理）。当 self 包含一个 ExtensionArray 时，dtype 可能会不同。例如，对于 category-dtype 的 Series，to_numpy() 将返回一个 NumPy 数组，并且类别 dtype 将丢失。

对于 NumPy dtypes，这将是存储在此 Series 或 Index 中的实际数据的引用（假设 copy=False）。就地修改结果将修改存储在 Series 或 Index 中的数据（尽管我们不建议这样做）。

对于扩展类型，to_numpy() 可能 需要复制数据并将其结果强制转换为 NumPy 类型（可能是 object），这可能会很昂贵。当您需要底层数据的无复制引用时，应改用 Series.array 。

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

dtype	array type
category[T]	ndarray[T]（与输入相同 dtype）
period	ndarray[object]（Periods）
interval	ndarray[object]（Intervals）
IntegerNA	ndarray[object]
datetime64[ns]	datetime64[ns]
datetime64[ns, tz]	ndarray[object]（Timestamps）

Examples

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

指定 dtype 来控制如何表示带时区的 datetime 数据。使用 dtype=object 返回一个 pandas Timestamp 对象的 ndarray，每个对象都具有正确的 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)

或者 dtype='datetime64[ns]' 返回一个原生 datetime64 值的 ndarray。值将被转换为 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]')