pandas.Series.array#

Series.__array__(dtype=None, copy=None)[источник]#

Возвращает значения как массив NumPy.

Пользователи не должны вызывать это напрямую. Вместо этого, это вызывается numpy.array() и numpy.asarray().

Параметры:

dtypestr или numpy.dtype, опционально: Тип данных для использования в результирующем массиве NumPy. По умолчанию тип данных выводится из данных.
copybool или None, optional: См. numpy.asarray().

Возвращает:

numpy.ndarray: Значения в серии преобразованы в numpy.ndarray с указанным dtype.

Смотрите также

array: Создать новый массив из данных.
Series.array: Представление с нулевым копированием в массив, поддерживающий Series.
Series.to_numpy: Метод Series для аналогичного поведения.

Примеры

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

Для данных с часовым поясом, часовые пояса могут быть сохранены с 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)

Или значения могут быть локализованы в UTC, а tzinfo отброшен с dtype='datetime64[ns]'

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

pandas.Series.__array__#

pandas.Series.array#