作者：老男孩标兄_164 | 来源：互联网 | 2024-12-16 17:25
Python | Pandas series . as _ matrix()原文:https://www . geesforge
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。
京公网安备 11010802041100号