Series选择内部元素
若想获取Series对象内部的元素，把它作为普通的NumPy数组，指定键即可。
或者，指定位于索引位置处的标签：
跟从NumPy数组选择多个元素的方法相同，可像下面这样选取多项：
这种情况甚至可以使用元素对应的标签，只不过要把标签放到数组中去：
为元素赋值
既然你已经理解单个元素的选取方法，赋值方法也就不言自明。可以用索引或标签选取元素后进行赋值。
用NumPy数组或其他Series对象定义新Series对象
你可以用NumPy数组或现有的Series对象定义新的Series对象。
然而，这样做时不要忘记新Series对象中的元素不是原NumPy数组或Series对象元素的副本，而是对它们的引用。也就是说，这些对象是动态插入到新Series对象中。如改变原有对象元素的值，新Series对象中这些元素也会发生改变。
上述例子，改动arr数组第三个元素的值，同时也会修改Series对象s3中相应的元素。
筛选元素
pandas库的开发是以NumPy库为基础的，因此就数据结构而言，NumPy数组的多种操作方法得以扩展到Series对象中，其中就有根据条件筛选数据结构中的元素这一方法。
如要获取Series对象中所有大于8的元素，可以使用如下代码：
Series对象运算和数学函数
适用于NumPy数组的运算符（+、-、*、/）或其他数学函数，也适用于Series对象。
至于运算符，直接用来编写算术表达式即可。
然而，至于NumPy库的数学函数，必须指定它们的出处np，并把Series实例作为参数传入。
Series对象的组成元素
Series对象往往包含重复的元素，你很可能想知道里面都包含哪些元素，统计元素重复出现的次数或判断一个元素是否在Series中。
我们来声明一个包含多个重复元素的Series对象。
要弄清楚Series对象包含多少个不同的元素，可使用unique( )函数。其返回结果为一个数组，包含Series去重后的元素，但顺序看上去很随意。
跟unique( )函数相似的另外一个函数是value_counts( )函数，它不仅返回各个不同的元素，还计算每个元素在Series中的出现次数。
最后，isin( )函数用来判断所属关系，也就是判断给定的一列元素是否包含在数据结构之中。isin( )函数返回布尔值，可用于筛选Series或DataFrame列中的数据。
NaN
在前面的一个例子中，我们求负数的对数，得到的返回结果为NaN（Not a Number，非数值）。数据结构中若字段为空或者不符合数字的定义时，用这个特定的值来表示。
一般来讲，NaN值表示数据有问题，必须对其进行处理，尤其是在数据分析时。从某些数据源抽取数据时遇到了问题，甚至是数据源缺失数据，往往就会产生这类数据。进一步来讲，计算负数的对数，执行计算或函数时抛出异常等特定情况，也可能会产生这类数据，接下来我们会讲解NaN值的几种不同处理方法。
