Python|熊猫 Series.as_matrix()

Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。

Pandas Series.as_matrix()函数用于将给定的系列或数据框对象转换为 Numpy 数组表示。

Syntax: Series.as_matrix(columns=None)

Parameter :
columns : If None, return all columns, otherwise, returns specified columns.

Returns : values : ndarray

示例 #1：使用Series.as_matrix()函数返回给定系列对象的 numpy 数组表示。

# 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那样， Series.as_matrix()函数已成功返回给定系列对象的 numpy 数组表示。示例 #2：使用Series.as_matrix()函数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那样， Series.as_matrix()函数已成功返回给定系列对象的 numpy 数组表示。