极客笔记将 Pandas Series 转换为 NumPy 数组
参考：convert pandas series to numpy array
在数据分析和数据科学领域，Pandas 和 NumPy 是两个非常重要的 Python 库。Pandas 主要用于数据处理和分析，而 NumPy 提供了强大的数值计算功能。在实际应用中，我们经常需要在这两个库之间转换数据格式，以便利用各自的优势。本文将详细介绍如何将 Pandas 的 Series 对象转换为 NumPy 的数组，并提供多个示例代码以供参考。
1. Pandas Series 简介
Pandas 的 Series 是一种一维数组结构，它可以存储不同类型的数据（整数、浮点数、字符串等），每个数据都有一个标签（或索引）与之对应。Series 是 Pandas 中最基本的数据结构之一，常用于处理时间序列数据等。
2. NumPy 数组简介
NumPy 的数组（通常称为 ndarray）是一个多维数组对象，提供了大量的方法和函数进行高效的数组操作。NumPy 数组通常用于科学计算中，如矩阵运算、统计分析等。
3. 为什么要进行转换
虽然 Pandas 的 Series 提供了高级的数据操作功能，但在某些情况下，NumPy 的数组在性能上更优，特别是在涉及大规模数值计算时。因此，将 Series 转换为 NumPy 数组可以帮助我们利用 NumPy 的高性能计算能力。
4. 如何将 Pandas Series 转换为 NumPy 数组
示例代码 1: 基本转换
import pandas as pd
import numpy as np
# 创建一个 Pandas Series
series = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
# 转换为 NumPy 数组
array = series.values
# 打印结果
print(array)
Output:
示例代码 2: 包含字符串的 Series 转换
import pandas as pd
import numpy as np
# 创建一个包含字符串的 Pandas Series
series = pd.Series(['pandasdataframe.com', 'example', 'test'])
# 转换为 NumPy 数组
array = series.values
# 打印结果
print(array)
Output:
示例代码 3: 包含混合数据类型的 Series 转换
import pandas as pd
import numpy as np
# 创建一个包含混合数据类型的 Pandas Series
series = pd.Series([1, 'pandasdataframe.com', 3.14])
# 转换为 NumPy 数数组
array = series.values
# 打印结果
print(array)
Output:
示例代码 4: 使用 astype() 方法转换数据类型
import pandas as pd
import numpy as np
# 创建一个 Pandas Series
series = pd.Series([1, 2, 3, 4, 5])
# 转换为 NumPy 数组，并指定数据类型为 float
array = series.astype(np.float64).values
# 打印结果
print(array)
Output:
示例代码 5: 从具有多个列的 DataFrame 中选择一个 Series 进行转换
import pandas as pd
import numpy as np
# 创建一个 DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': ['pandasdataframe.com', 'example', 'test']
})
# 选择列 'A' 并转换为 NumPy 数组
array = df['A'].values
# 打印结果
print(array)
Output:
示例代码 6: 转换时忽略索引
import pandas as pd
import numpy as np
# 创建一个 Pandas Series，包含索引
series = pd.Series([10, 20, 30, 40, 50], index=['a', 'b', 'c', 'd', 'e'])
# 转换为 NumPy 数组，忽略索引
array = series.values
# 打印结果
print(array)
Output:
示例代码 7: Series 中包含缺失值的转换
import pandas as pd
import numpy as np
# 创建一个包含缺失值的 Pandas Series
series = pd.Series([1, np.nan, 'pandasdataframe.com', None])
# 转换为 NumPy 数组
array = series.values
# 打印结果
print(array)
Output:
示例代码 8: 使用条件过滤后的 Series 转换
import pandas as pd
import numpy as np
# 创建一个 Pandas Series
series = pd.Series([1, 2, 3, 4, 5])
# 使用条件过滤
filtered_series = series[series > 2]
# 转换为 NumPy 数组
array = filtered_series.values
# 打印结果
print(array)
Output:
示例代码 9: Series 转换为特定形状的 NumPy 数组
import pandas as pd
import numpy as np
# 创建一个 Pandas Series
series = pd.Series([1, 2, 3, 4, 5, 6])
# 转换为 NumPy 数组，并改变形状
array = series.values.reshape(2, 3)
# 打印结果
print(array)
Output:
示例代码 10: 从 Series 中提取子集并转换
import pandas as pd
import numpy as np
# 创建一个 Pandas Series
series = pd.Series(['a', 'b', 'c', 'd', 'e', 'pandasdataframe.com'])
# 提取子集
subset = series[1:4]
# 转换为 NumPy 数组
array = subset.values
# 打印结果
print(array)
Output:
以上示例展示了从基本的 Series 转换到处理复杂情况的多种方法。通过这些示例，我们可以看到将 Pandas 的 Series 转换为 NumPy 的数组是一个简单而直接的过程，可以通过 .values 属性或者 .to_numpy() 方法轻松完成。这种转换在数据处理和分析中非常有用，特别是当我们需要进行高效的数值计算时。