pandas.Index.to_numpy

Index.to_numpy(dtype=None, copy=False) [source]

Массив NumPy, представляющий значения в этом ряду или индексе.

Новая в версии 0.24.0.

Параметры:	dtype : str or numpy.dtype, optional Тип данных, который следует передать в numpy.asarray() copy : bool, default False Требуется ли гарантировать, что возвращаемое значение не является представлением другого массива. Обратите внимание, что copy=False не *гарантирует*, что to_numpy() не требует копирования. Скорее, copy=True гарантирует, что будет создана копия, даже если она строго не требуется.
Возвращает:	numpy.ndarray

См. также

Series.array

Получить фактические данные, хранящиеся внутри.

Index.array

Получить фактические данные, хранящиеся внутри.

DataFrame.to_numpy

Аналогичный метод для DataFrame.

Примечания

Возвращаемый массив будет таким же до равенства (значения, равные в self будут равны в возвращаемом массиве; также для значений, которые не равны). Когда self содержит ExtensionArray, тип данных может отличаться. Например, для ряда с типом данных категории to_numpy() вернёт массив NumPy, и тип данных категорий будет утерян.

Для типов данных NumPy это будет ссылка на фактические данные, хранящиеся в этом ряду или индексе (при условии copy=False). Изменение результата на месте изменит данные, хранящиеся в ряду или индексе (не рекомендуем этого делать).

Для расширенных типов to_numpy() может потребоваться копирование данных и приведение результата к типу NumPy (возможно, object), что может быть дорогостоящим. Если вам нужна ссылка без копирования на данные, лежащие в основе, Series.array следует использовать вместо этого.

В этой таблице представлены различные типы данных и типы возвращаемых значений to_numpy() для различных типов данных в pandas.

Тип данных	Тип массива
category[T]	ndarray[T] (тот же тип данных, что и входные данные)
period	ndarray[object] (Периоды)
interval	ndarray[object] (Интервалы)
IntegerNA	ndarray[object]
datetime64[ns]	datetime64[ns]
datetime64[ns, tz]	ndarray[object] (Марки времени)

Примеры

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

Укажите dtype для управления тем, как представляются данные, учитывающие дату и время. Используйте dtype=object для возвращения ndarray объектов pandas Timestamp, каждый с правильным 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', freq='D'),
       Timestamp('2000-01-02 00:00:00+0100', tz='CET', freq='D')],
      dtype=object)

Или dtype='datetime64[ns]' для возвращения ndarray с нативными значениями datetime64. Значения преобразуются в UTC, а информация о часовом поясе отбрасывается.

>>> ser.to_numpy(dtype="datetime64[ns]")
... # doctest: +ELLIPSIS
array(['1999-12-31T23:00:00.000000000', '2000-01-01T23:00:00...'],
      dtype='datetime64[ns]')