pandas.Series.__array__

Series.__array__(dtype=None) [source]

Возвращает значения в виде массива NumPy.

Пользователям не следует вызывать это напрямую. Вместо этого он вызывается numpy.array() и numpy.asarray().

Параметры:	dtype : str or numpy.dtype, optional Тип данных, который следует использовать для результирующего массива NumPy. По умолчанию тип данных определяется по данным.
Возвращает:	numpy.ndarray Значения в серии, преобразованные в массив numpy.ndarary со специфицированным dtype.

См. также

pandas.array

Создает новый массив из данных.

Series.array

Вид на массив, лежащий в основе Series, без копирования.

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 часовыми поясами 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', freq='D'),
       Timestamp('2000-01-02 00:00:00+0100', tz='CET', freq='D')],
      dtype=object)

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

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