接上一章
在series中可以实现像Numpy的函数或Numpy风格的操作，比如：
In [19]: obj2>0
Out[19]:
d True
b True
a False
c True
dtype: bool
In [20]: obj2[obj2>0]
Out[20]:
d 4
b 7
c 3
dtype: int64
把Series直接与常数比较 ，用布尔值数组进行过滤
In [21]: obj2*2
Out[21]:
d 8
b 14
a -10
c 6
dtype: int64
In [22]: import numpy as np
In [23]: np.exp(obj2)
Out[23]:
d 54.598150
b 1096.633158
a 0.006738
c 20.085537
dtype: float64
也可以进行一定数学运算。
从另一个角度看Series,它更像是一个长度固定且有序的字典，对字典的一些操作对它也有效，需要使用字典时，也可以使用它。
In [24]: 'b' in obj2
Out[24]: True
In [25]: 'f' in obj2
Out[25]: False
也可以用字典来生成Series对象
In [26]: sdata = {'Ohio':35000,'Texas':71000,'Oregon':160000,'Utah':5000}
In [27]: obj3 = pd.Series(sdata)
In [28]: obj3
Out[28]:
Ohio 35000
Texas 71000
Oregon 160000
Utah 5000
dtype: int64
当把字典传给Series的构造函数时，字典的键会成为Series的索引。字典是没顺序的，但生成Series时会按某种顺序生成数据 。
In [29]: states = ['California','Ohio','Oregon','Texas']
In [30]: obj4 = pd.Series(sdata, index=states)
In [31]: obj4
Out[31]:
California NaN
Ohio 35000.0
Oregon 160000.0
Texas 71000.0
dtype: float64
