pandas.Series.values 将Series内的数值以ndarray或ndarray-like的形式返回，取决于原Seires的数据类型

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 400+累计阅读 420平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄19年

关注

转载最新推荐文章于 2026-03-09 00:40:16 发布 420 阅读 AI 写同款· GEO 优化 ›

Pandas的数据结构目录概述 Series Series的创建 like-array类型数据创建Series Dict创建Series 标量创建Series Series的特点 Series is ndarray-like Series is dict-like 矢量化操作和标签自动对齐 Name属性 DataFrame DataFrame的创建 From dict of Ser... 阅读详情

https://blog.youkuaiyun.com/kking_edc/article/details/102876991

收录于

pandas

当前文章被收录于：

pandas

72 篇文章 2 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

原文链接：https://blog.youkuaiyun.com/kking_edc/article/details/102876991>

基于MobileNet⁃DOA的无人机射频信号识别方法本文提出了一种基于MobileNet-DOA模型的无人机射频信号识别方法，用于解决低信噪比环境下无人机型号和飞行模式识别率低的问题。该方法首先采用变分模态分解(VMD)进行信号预处理以降低噪声干扰，然后通过短时傅里叶变换(STFT)将信号转换为时频图。在模型设计上，将DOConv卷积融入MobileNetv4模型以增强特征提取能力并提高运算速度，同时引入FA注意力机制提升低信噪比环境下的识别精度。实验结果表明，该方法在-15~15dB信噪比范围内的平均识别准确率达到94.83%，显著优于现有方法，特别在-1 阅读详情

相关推荐

ROS 2 + Astra Pro深度相机实战：5分钟搞定远程可视化与距离检测（附避坑指南）

本文提供了一份详尽的ROS 2与Astra Pro深度相机集成实战指南。通过5分钟快速部署，实现远程可视化与实时目标距离检测。文章涵盖驱动安装、SSH+X11远程调试、核心测距节点编写，并附有详细的避坑指南，帮助开发者高效构建机器人视觉感知系统。

weixin_29232507的博客 278

Pandas : 基本数据结构介绍

学习Pandas，首先我们先简单浏览一下Pandas中的数据结构Series和DataFrame。

Alan的博客 681

线阵相机标定必看：如何用Halcon实现亚毫米级精度测量（以HC050标定板为例）

本文以HC050标定板为例，详细阐述了如何利用Halcon实现线阵相机的高精度标定，以达到亚毫米级测量。文章深入剖析了线阵相机标定的核心原理、面临的独特挑战，并提供了从硬件搭建、图像采集到Halcon软件实操的完整路径，重点解析了运动参数设置、精度验证及常见问题排错，为精密测量应用提供系统解决方案。

weixin_29213655的博客 311

pandas.Series.values

将Series内的数值以ndarray或ndarray-like的形式返回，取决于原Seires的数据类型

kking_edc的博客 4111

深度学习笔记（3）——kernel（内核）与filter（滤波器）

本文仅仅简单介绍了kernel和filter的概念，介绍了确定filter和kernel个数的方法。

cs111211的博客 7137

精益六西格玛Python数字化应用开发-Day18 应用场景：家电企业生产效率优化

本文将重点介绍专门针对精益六西格玛黑带使用场景的 Python 库，这些库功能侧重于数据分析和流程优化，特别适用于 DMAIC 方法论和看板管理。考虑到读者具备中高级Python 使用经验，我们将深入探讨各库的高级功能和实际应用应用场景。某家电企业生产线自动化程度高，数据量巨大，希望通过精益管理提升生产效率。企业借助 Python 脚本，打通各类数据源（MES、ERP、设备日志），自动归集生产数据，分析各工序的生产节拍、设备停机、效率损失，快速定位瓶颈环节

m0_56592100的博客 905

【玩转pandas系列】pandas数据结构—Series

大家好！我是一朵向阳花（花花花），本期跟大家分享的知识是 pandas 数据结构——Series。

你不来，再美的天地，都狼藉 ~ 8万+

leetcode134 加油站

题目如下在一条环路上有 N 个加油站，其中第 i 个加油站有汽油 gas[i] 升。你有一辆油箱容量无限的的汽车，从第 i 个加油站开往第 i+1 个加油站需要消耗汽油 cost[i] 升。你从其中的一个加油站出发，开始时油箱为空。如果你可以绕环路行驶一周，则返回出发时加油站的编号，否则返回 -1。说明: 如果题目有解，该答案即为唯一答案。输入数组均为非空数组，且长度相同。输...

ayang818 's blog 233

在Python中.values的一种使用方法

在Python中，.values属性通常与Pandas库关联，它是DataFrame或Series对象的一个属性。Pandas是一个流行的数据分析和处理库，它提供了强大的数据结构和方法来处理表格数据。当你调用.values属性时，它会返回PandasDataFrame或Series对象中的数据作为一个NumPy数组（ndarray这使得你可以快速地将Pandas对象中存储的数据转换为一个NumPy格式的数组，这对于进行数学运算或数据分析来说很有用。以下是.values。

qq_33712422的博客 2428

AI原生应用API编排：如何实现高效的权限管理？

随着GPT-4、Claude 3等大模型的普及，AI原生应用（从设计之初就以AI为核心的应用）正从“概念”走向“落地”。依赖大量外部API的协同工作（如用户身份API→大模型生成API→支付API→存储API）。但随之而来的挑战是：如何在复杂的API调用链中，确保每个环节的权限合规？本文将聚焦这一问题，覆盖API编排的基础逻辑、权限管理的核心机制（如RBAC/ABAC）、实战工具链（如OPA策略引擎），以及常见场景的解决方案。本文将按照“场景引入→核心概念→原理拆解→实战演练→趋势展望”的逻辑展开。

大数据洞察的博客 451

【物联网技术】ESP8266 ESP-01/01s 固件下载烧录+STM32串口通信接线

ESP8266 ESP-01/01s 工作模式接线与MQTT固件下载烧录接线

嵌入式阿齐Archie 3万+

Pandas的Series的常见属性和方法介绍

当谈论数据分析和数据处理的时候，Pandas是一个非常重要的Python库。Pandas让数据的操作变得非常简单，而且它也提供了很多方便的功能，如数据清洗、数据重组、数据整合、数据分组等等。在Pandas中，Series是其中一个重要的数据结构。它非常类似于一维数组，但是它还包含了标签，这意味着它可以用来处理时间序列数据，而且它也可以用来处理非数值型数据。下面是一些Series的属性和方法，以及它们的使用示例。本文我们学习了Pandas中Series的一些属性和方法。

qq_21337539的博客 2350

手把手教你学Simulink--四翼无人机滑模控制器设计与仿真

四翼无人机（Quadcopter）滑模控制（Sliding Mode Control, SMC）是一种鲁棒性很强的非线性控制方法，特别适用于存在模型不确定性和外部扰动的情况。滑模控制器通过强制系统状态进入并保持在一个预定义的滑模面上，从而实现对期望轨迹或姿态的精确跟踪。在这个教程中，我们将使用MATLAB和Simulink来设计并仿真一个基于滑模控制策略的四翼无人机系统。

MHD0815的博客 184

Python——pandas模块—Series数据结构

Python——pandas模块—Series数据结构Python——pandas模块—Series数据结构pandasSeries创建Series没有指定索引列时，自动创建：0~~(N-1)(N：数组长度)的整数型索引指定索引列index（数字，字符串）这点与数组不同，数组中的元素类型要相同使用列表、数组构建Series通过字典/字典对象的方式创建Series访问SreiesSeries.head()从前访问Series.tail()从后访问Sreies.index查看索引列Sreies.values查看

sinat_42247418的博客 3828

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

[Python] np.ones_like(ndarray)和np.zeros_like(ndarray)

语法： np.ones_like(ndarray) #创建同shape的全1矩阵 np.zeros_like(ndarray) #创建同shape的全0矩阵示例： import numpy as np a = np.array([[1,2,3],[4,5,6]]) print(a.shape) # (2, 3) ones = np.ones_like(a) print(ones) ...

真理无穷，进一步有进一步的欢喜 4409

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

Numpy中的函数

生成用函数效果 np.array( x) 将输入数据转化为一个ndarray np.array( x, dtype) 将输入数据转化为一个类型为type的ndarray np.asarray( array ) 将输入数据转化为一个新的（copy）ndarray np.ones( N ) 生成一个N长度的一维全一ndarray np.ones( N, dtype) ...

qq_39744794的博客 481

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正

Numpy 之 ndarray 的常用属性及函数

A NumPy函数和属性：类型类型代码说明 int8、uint8 i1、u1 有符号和无符号8位整型（1字节） int16、uint16 i2、u2 有符号和无符号16位整型（2字节） int32、uint32 i4、u4 有符号和无符号32位整型（4字节） int64、uint64 i8、u8 有符号和无符号64位整型（8字节） float16 f2 半精度...

Lonelypatients°的博客 1095

09_Numpy生成空ndarray数组的方法(empty和empty_like)

09_Numpy生成空ndarray数组的方法(empty和empty_like) Numpy生成没有初始值空数组的方法如下： Numpy.empty() 大小(行数,列数)shape,类型由参数dtype来指定。 Numpy.empty_like() 生成和已有数组相同大小，类型的数组。生成的数组元素为随机数。初始值为0或1，任意数数组生成方法参照以下链接。 08_Numpy...

qq_18351157的博客 1万+

pandas中的values

from pandas import DataFrame, concat length = 10 sequence = [i/float(length) for i in range(length)] df = DataFrame(sequence) df = concat([df.shift(1), df], axis=1) print(df.values[:, 0:1]) print(df.values) 这里的shift是上下移动（依靠括号里的值的正负来决定）然后values解读：，前面为行，后

weixin_44736049的博客 9272

pandas 学习笔记

一、基本操作 1导入pandas库，读入csv文件,.read_csv()函数 #导入pandas库 import pandas as pd #读取csv文件 df = pd.read_csv('泰坦尼克号数据.csv')

2287

数分笔记整理4 - Pandas Series 类型的对象 - 相关属性

一. 相关属性 index values shape size dtype name head tail Series对象可以通过index与values访问索引与值。其中，我们也可以通过修改index属性来修改Series的索引。说明：如果没有指定索引，则会自动生成从0开始的整数值索引，也可以使用index显式指定索引。 Series对象与index具有name属性。Series的na...

Sevieryang/FinTech/Statistics/Quant 2939

dataframe, series, list, dictionary, array之间互相转换

Example 1. Dataframe dataframe → series # dataframe series_col1 = pd.series print(series_col1) print(type(series_col1)) dataframe → array array = df.values print(array) print(type(array)) dataframe → list lists = df.values.tolist() print(lists) print(

weixin_46599926的博客 4711

python数据分析之对密码文件的处理（数据分析案例一）

一、排列和组合对123进行排列，有以下结果： 123 132 213 231 312 321 随机从1234中抽出 3个数，这是一个组合问题，有以下的结果： 123 234 134 124 （123和321和132等等都是同一个结果） import itertools mylist1=list(itertools.permutations([1,2,3],2)) #排列 print(mylist1) #[(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)

weixin_45014721的博客 505

Pandas的values属性排序或修改后会改变原来的DataFrame

该问题是楼主使用了values属性将dataframe格式后导出为array格式后进行了sort()，结果发现原来的dataframe完全被打乱。举例：当修改values的值时，dataframe的值也会改变 import pandas as pd df = pd.DataFrame() df['a'] = [1,2] df['b'] = [3,4] print('原来的dataframe:') print(df) test = df['a'].values test[0] = 8 print("修改

qq_43601378的博客 2719

总结 | DataFrame、Series、array、tensor的创建及相互转化

最近在入门图像识别，自然也会用到深度学习框架，也接触到了一个新的数据结构——tensor(张量)。除此之外，也有一些很常用的数据结构，比如DataFrame、Series、array等，这篇文章主要对这几种数据结构的创建及相互转换做一个小总结。创建方法 DataFrame 这里就不在单独贴出每种数据结构的示例图，只是简单描述一下各个数据结构的特点。DataFrame类似于一个二维矩阵，但它的行列都有对应的索引。 DataFrame创建方法很多，这里给出比较常用的三种方法： 1、通过字典创建 2、通过元组

weixin_43434202的博客 4980

pandas之values和value_count()用法：结合JData ”用户购买时间预测“数据分析实例（一）

表1：SKU基本信息表（jdata_sku_basic_info）1. 读取数据，并获取部分特征的最大值，最小值，均值和中位数2. df.info()给出DataFrame数据的基本信息3. df.column.values 以array形式返回指定column的所有取值4. df.column.value_count() 以Series形式返回指定列的不同取值的频率value_count(...