Pandas2.2 Series

Conversion

pandas.Series.to_numpy

pandas.Series.to_numpy 方法用于将 Pandas 的 Series 对象转换为 NumPy 数组。这在数据科学、机器学习和数值计算中非常有用，因为 NumPy 提供了高效的多维数组对象和相关操作。

语法

Series.to_numpy(dtype=None, copy=False, na_value=None)

参数

• dtype (可选): 要转换成的数据类型。如果为 None，则推断数据类型。
• copy (可选): 是否返回数据的副本。如果为 False 并且不需要转换数据类型，则可能返回原始数据的视图，以节省内存。
• na_value (可选): 用于替换 NaN/None/NaT 等缺失值的值。如果为 None，则保留缺失值。

返回值

• 返回一个 NumPy 数组。

示例及结果

示例 1: 基本用法

import pandas as pd
import numpy as np

# 创建一个 Pandas Series
s = pd.Series([1, 2, 3, 4, 5])

# 将 Series 转换为 NumPy 数组
array = s.to_numpy()

print(array)

结果

[1 2 3 4 5]

示例 2: 指定数据类型

# 创建一个包含浮点数的 Pandas Series
s = pd.Series([1.1, 2.2, 3.3, 4.4, 5.5])

# 将 Series 转换为 NumPy 数组，并指定数据类型为整数
array = s.to_numpy(dtype=int)

print(array)

结果

[1 2 3 4 5]

示例 3: 复制数据

# 创建一个 Pandas Series
s = pd.Series([1, 2, 3, 4, 5])

# 将 Series 转换为 NumPy 数组，并复制数据
array = s.to_numpy(copy=True)

# 修改原始 Series
s[0] = 10

# 打印 NumPy 数组和修改后的 Series
print("NumPy Array:", array)
print("Modified Series:", s)

结果

NumPy Array: [1 2 3 4 5]
Modified Series: 0    10
              1     2
              2     3
              3     4
              4     5
              dtype: int64

示例 4: 替换缺失值

# 创建一个包含缺失值的 Pandas Series
s = pd.Series([1, 2, None, 4, 5])

# 将 Series 转换为 NumPy 数组，并用特定值替换缺失值
array = s.to_numpy(na_value=-1)

print(array)

结果

[ 1.  2. -1.  4.  5.]

总结

pandas.Series.to_numpy 方法提供了一种简便的方式来将 Pandas Series 转换为 NumPy 数组，这在数据处理和分析中非常有用。通过指定数据类型、是否复制数据和缺失值替换选项，可以灵活地控制转换过程。