熊猫> = 0.24
.values不赞成使用这些方法，而推荐使用这些方法！
从v0.24.0开始，我们将有两个崭新的品牌，从获得与NumPy阵列的优选方法Index，Series和DataFrame对象：他们是to_numpy()和.array。关于用法，文档提到：
我们尚未删除或弃用Series.values或
DataFrame.values，但我们强烈建议您使用.array或
.to_numpy()代替。
有关更多信息，请参见v0.24.0发行说明的这一部分。
to_numpy() 方法
df.index.to_numpy()
# array(['a', 'b'], dtype=object)
df['A'].to_numpy()
# array([1, 4])
默认情况下，返回一个视图。所做的任何修改都会影响原件。
v = df.index.to_numpy()
v[0] = -1
df
A B
-1 1 2
b 4 5
如果您需要副本，请使用to_numpy(copy=True）;
v = df.index.to_numpy(copy=True)
v[-1] = -123
df
A B
a 1 2
b 4 5
请注意，此功能也适用于DataFrames（而不适用于.array）。
array属性
此属性返回一个ExtensionArray支持索引/系列的对象。
pd.__version__
# '0.24.0rc1'
# Setup.
df = pd.DataFrame([[1, 2], [4, 5]], columns=['A', 'B'], index=['a', 'b'])
df
A B
a 1 2
b 4 5
df.index.array
# <PandasArray>
# ['a', 'b']
# Length: 2, dtype: object
df['A'].array
# <PandasArray>
# [1, 4]
# Length: 2, dtype: int64
在这里，可以使用来获取列表list：
list(df.index.array)
# ['a', 'b']
list(df['A'].array)
# [1, 4]
或者，直接致电.tolist()：
df.index.tolist()
# ['a', 'b']
df['A'].tolist()
# [1, 4]
关于返回的内容，文档中提到，
对于由常规NumPy数组支持的Series和Index，Series.array
将返回一个new arrays.PandasArray，它是一个薄的（无副本）包装numpy.ndarray。arrays.PandasArray本身并不是特别有用，但它确实提供了与pandas或第三方库中定义的任何扩展数组相同的接口。
因此，总而言之，.array将返回
- 现有
ExtensionArray的索引/系列支持，或
- 如果有支持该系列的NumPy数组，则将新
ExtensionArray对象创建为基础数组上的精简包装。
添加两种新方法的原理
这些功能是在GitHub两个问题GH19954和GH23623下进行讨论的结果而添加的。
具体来说，文档提到了基本原理：
[...] .values目前尚不清楚返回的值是实际数组，它的某种转换还是熊猫自定义数组之一（如Categorical）。例如，使用PeriodIndex，每次都会.values
生成一个新ndarray的周期对象。[...]
这两个功能旨在提高API的一致性，这是朝正确方向迈出的重要一步。
最后，.values不会在当前版本中弃用，但我希望这种情况将来可能会发生，因此，我敦促用户尽快迁移到较新的API。