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。