HOWTO · NumPy

Convertir Pandas Series en NumPy Array

Convierte los valores de una Series de pandas en un array de NumPy con `Series.to_numpy()`; el índice de etiquetas se mantiene por separado.

En esta página

Una Series de pandas almacena valores junto con un índice de etiquetas. Para obtener un array de NumPy con los valores, llama a Series.to_numpy() sobre la propia Series. Las etiquetas no se incluyen; conserva o convierte el índice por separado si lo necesitas en el siguiente paso.

Convertir una Series de pandas en un array de NumPy con Series.to_numpy()

Series.to_numpy() es la opción directa cuando necesitas un ndarray de NumPy. El ejemplo crea una Series con dos valores numéricos y sus etiquetas, convierte los valores de la Series e inspecciona el array resultante y su dtype. Muestra los valores [82 91] y el dtype int64.

Ejecuta este ejemplo:

El código y las etiquetas o salidas visibles de esta sección se mantienen en inglés.

import pandas as pd

scores = pd.Series([82, 91], index=["Mia", "Noah"], name="score")
values = scores.to_numpy()
print(values)
print(values.dtype)
[82 91]
int64

El array contiene los valores en el orden de la Series. No contiene "Mia" ni "Noah"; esas etiquetas siguen en scores.index. Esta distinción importa al pasar valores a una operación de NumPy, que usa el orden posicional y no conserva las etiquetas de pandas.

Usar Series.array cuando necesites el array de extensión de pandas

Usa Series.array cuando la siguiente operación deba recibir la representación de array de pandas. Según los datos de la Series, esa representación puede ser un array de extensión en lugar de un ndarray de NumPy. Los arrays de extensión conservan el comportamiento específico de pandas para tipos de datos que no se corresponden directamente con un dtype convencional de NumPy. Si la API receptora requiere específicamente un ndarray, usa Series.to_numpy().

Por ejemplo, la expresión scores.array accede a la representación de array de la Series, mientras que scores.to_numpy() solicita la representación de NumPy. Estas opciones sirven para consumidores distintos: no des por hecho que el resultado de Series.array es un ndarray ni lo pases a una API que requiera uno sin comprobar sus requisitos.

Usar Series.values o numpy.asarray() como alternativas compatibles

Series.values es una alternativa concisa para obtener los valores de la Series como un objeto similar a un array. El resultado exacto puede depender del dtype de la Series, así que usa Series.to_numpy() si quieres un método de conversión explícito que devuelva un ndarray de NumPy. numpy.asarray(scores) es otra forma compatible de solicitar un array a partir de una Series; resulta útil cuando trabajas con código de NumPy que ya acepta entradas similares a arrays.

Estas formas operan sobre los valores de la Series, no sobre sus etiquetas. Elige según el contrato del código que vaya a consumir el resultado: usa Series.to_numpy() para una conversión clara a ndarray, Series.array para la representación de array de pandas, o Series.values y numpy.asarray() cuando encajen con el código circundante. Ninguna de estas opciones convierte el índice en el array de valores.

Comprobar el resultado del array y tratar el índice y el dtype por separado

Inspecciona el resultado cuando el dtype pueda afectar a cálculos posteriores o al almacenamiento. Una Series numérica suele producir un dtype numérico de NumPy; los datos representados con valores específicos de pandas o con valores de tipos mezclados pueden requerir otra representación de NumPy. Comprueba values.dtype para conocer el resultado real de tus datos, en vez de suponer que todas las Series se convierten en el mismo tipo de array. Aquí no se muestran controles opcionales de dtype ni de copia, porque la evidencia proporcionada para esta tarea no establece pautas específicas de versión para Series.

Si también necesitas las etiquetas, accede por separado a scores.index y mantén explícita en tu programa la relación entre etiquetas y valores. Convertir solo los valores elimina la alineación basada en etiquetas de las operaciones posteriores de NumPy. Esto suele ser lo esperado en el procesamiento numérico, pero si combinas valores de varias Series, comprueba primero que su orden coincida. La conversión de una Series en un array no alinea automáticamente dos Series según sus etiquetas.