Python Pandas Series.as_matrix()
Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的,但必须是一个可散列的类型。该对象支持基于整数和标签的索引,并提供了大量的方法来执行涉及索引的操作。
Pandas Series.as_matrix()函数用于将给定的系列或数据框架对象转换为Numpy数组表示。
语法: Series.as_matrix(columns=None)
参数:
columns : 如果没有,返回所有列,否则,返回指定的列。
返回 : values : ndarray
示例#1:使用Series.as_matrix()函数来返回给定系列对象的numpy-array表示。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio'])
# Create the Index
index_ = ['City 1', 'City 2', 'City 3', 'City 4', 'City 5']
# set the index
sr.index = index_
# Print the series
print(sr)
输出 :
City 1 New York
City 2 Chicago
City 3 Toronto
City 4 Lisbon
City 5 Rio
dtype: object
现在我们将使用Series.as_matrix()函数来返回给定系列对象的numpy数组表示。
# return numpy array representation
result = sr.as_matrix()
# Print the result
print(result)
输出 :
['New York' 'Chicago' 'Toronto' 'Lisbon' 'Rio']
正如我们在输出中看到的,Series.as_matrix()函数已经成功地返回了给定系列对象的numpy数组表示。
示例#2 :使用Series.as_matrix()函数来返回给定系列对象的numpy-array表示。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None])
# Create the Index
# apply yearly frequency
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y')
# set the index
sr.index = index_
# Print the series
print(sr)
输出 :
2010-12-31 08:45:00 11.0
2011-12-31 08:45:00 21.0
2012-12-31 08:45:00 8.0
2013-12-31 08:45:00 18.0
2014-12-31 08:45:00 65.0
2015-12-31 08:45:00 18.0
2016-12-31 08:45:00 32.0
2017-12-31 08:45:00 10.0
2018-12-31 08:45:00 5.0
2019-12-31 08:45:00 32.0
2020-12-31 08:45:00 NaN
Freq: A-DEC, dtype: float64
现在我们将使用Series.as_matrix()函数来返回给定系列对象的numpy数组表示。
# return numpy array representation
result = sr.as_matrix()
# Print the result
print(result)
输出 :
[ 11. 21. 8. 18. 65. 18. 32. 10. 5. 32. nan]
正如我们在输出中看到的,Series.as_matrix()函数已经成功地返回了给定系列对象的numpy数组表示。