`pandas.Series.ravel()`、`pandas.Series.to_numpy()`、`pandas.Series.values`和`pandas.Series.array`之间有什么区别？

Question

基本上这个标题概括起来了。我创建了一个虚拟pandas.Series对象，并查找了所有这些属性和方法。文档声明，除了pandas.array之外，所有这些都返回numpy.ndarray对象。那么，什么时候应该使用一种方法或一种属性呢？例如，我读过numpy.flatten()和numpy.ravel()之间的一些区别，前者返回新数组，后者返回视图。pandas也是如此

import pandas as pd
s = pd.Series(range(10))
s.ravel()  # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
s.to_numpy()  # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
s.values  # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
s.array  # <PandasArray>

Answer 1

默认情况下，所有这些都返回一个视图：

import pandas as pd

s = pd.Series(range(10))
rav = s.ravel()  # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
to_num = s.to_numpy()  # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
values = s.values  # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
array = s.array  # <PandasArray>

rav[0] = 1
print('ravel', s[0])

to_num[0] = 2
print('to_numpy', s[0])

values[0] = 3
print('values', s[0])

array[0] = 4
print('array', s[0])

ravel 1
to_numpy 2
values 3
array 4

但是，to_numpy()具有copy参数(默认False)，您可以使用该参数返回基础数组的完整副本：

to_num_copy = s.to_numpy(copy=True)  # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

to_num_copy[0] = 5
print('to_numpy with copy', s[0])

to_numpy with copy 4

最后，当列的to_numpy()不是同构的和/或不是numpy dtype时，有时也可能返回副本。相反，如果我们希望严格避免复制，则应该使用.array。

注意，.values被认为是旧的，应该使用.array或to_numpy()。更多信息，in this answer。