import pandas as pd //起个别名Series索引
在pandas当中我们最常用的数据结构有两个，一个是Series，另外一个是DataFrame。其中series是一维数据结构，可以简单理解成一维数组或者是一维向量。而DataFrame自然就是二维数据结构了，可以理解成表或者是二维数组。
Series当中存储的数据主要有两个，一个是一组数据构成的数组，另外一个是这组数据的索引或者是标签。
可以看到打印的数据有两列，第二列是输入的数据，第一列是他的索引。
我们可以通过Series类型当中的values和index属性查看到Series当中存储的数据和索引：
我们也可以指定数据的索引，进入index这个参数
我们可以直接将索引当做数组的下标使用，也可以直接查询若干个索引的值
另外在创建Series的时候，重复的索引也是允许的
不仅如此，像是Numpy那样的bool型索引也依然是支持的：
Series计算
我们可以直接使用加减乘除操作对整个Series进行运算：
也可以使用Numpy当中的运算函数来进行一些复杂的数学运算，但是这样计算得到的结果会是一个Numpy的array。
因为Series当中有索引，所以我们也可以使用dict的方式判断索引是否在Series当中：
Series有索引也有值，其实和dict的存储结构是一样的，所以Seires也支持通过一个dict来初始化：
通过这种方式创建出来的顺序就是dict当中key存储的顺序，我们可以在创建的时候指定index，这样就可以控制它的顺序了。
我们在指定index的时候额外传入了一个没有在dict当中出现过的key，由于在dict当中找不到对应的值，Series会将它记成NAN(Not a number)。可以理解成是非法值或者是空值，在我们处理特征或者是训练数据的时候，经常会遇到存在一些条目的数据的某个特征空缺的情况，我们可以通过pandas当中isnull和notnull函数检查空缺的情况。
当然Series当中也有isnull的函数，我们也可以调用。
最后，Series当中的index也是可以修改的， 我们可以直接给它赋上新值：
