pandas.Series.__array__ # 系列。__array__ ( dtype = None , copy = None ) [来源] # 以 NumPy 数组的形式返回值。 用户不应该直接调用它。相反,它是由 numpy.array()和调用的numpy.asarray()。 参数: dtype str 或 numpy.dtype,可选用于生成的 NumPy 数组的 dtype。默认情况下,数据类型是从数据推断的。 复制bool 或 None,可选没用过。 返回: numpy.ndarray系列中的值转换为numpy.ndarray 具有指定dtype 的值。 也可以看看 array从数据创建一个新数组。 Series.array支持该系列的阵列的零拷贝视图。 Series.to_numpy类似行为的系列方法。 例子 >>> ser = pd.Series([1, 2, 3]) >>> np.asarray(ser) array([1, 2, 3]) 对于时区感知数据,时区可以保留 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) 或者这些值可能会本地化为 UTC,并且 tzinfo 会被丢弃 dtype='datetime64[ns]' >>> np.asarray(tzser, dtype="datetime64[ns]") array(['1999-12-31T23:00:00.000000000', ...], dtype='datetime64[ns]')