跳转至

Python | Pandas series.as_matrix()

原文:https://www.geesforgeks.org/python-pandas-series-as_matrix/

熊猫系列是带有轴标签的一维数组。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，并提供了一系列方法来执行涉及索引的操作。

熊猫 **Series.as_matrix()**函数用于将给定的序列或数据帧对象转换为 Numpy 数组表示。

语法: Series.as_matrix(列=无)

参数: 列:如果无，返回所有列，否则返回指定列。

返回:值:n 数组

示例#1: 使用Series.as_matrix()函数返回给定序列对象的 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()函数返回给定序列对象的 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()函数已经成功地返回了给定序列对象的 numpy 数组表示。

示例 2 : 使用Series.as_matrix()函数返回给定序列对象的 numpy 数组表示。

# 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()函数返回给定序列对象的 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()函数已经成功地返回了给定序列对象的 numpy 数组表示。

回到顶部