上一节《Pandas入门1 -- 简介与安装》
要学习Pandas的功能，首先要理解Pandas的数据结构(Data structure)
Pandas里面应用的最多的一维数据结构：Series 和 二维数据结构: DataFrame
三维的数据结构Panel，由于使用频率极少，且随着Pandas功能越来越强大，Panel的升级维护工作特别繁重，性价比不高，所以Pandas决定今后不支持Panel了
本文主要集中介绍使用的最多，且最核心的Series 和 DataFrame
Series 是一种类，用于表示1维带标签的数组，Series，顾名思义，“序列”，很容易理解也很容易记忆
最基本的创建Series对象的方法是：
s=pd.Series(data,index=index)
其中，data可以是一个列表，或者是一个Python Dictionary对象，或者是一个标量，比如，5
index是一个标签列表（Label list）；当不指定标签的时候，默认标签列表是[0,1,2,3,4,5....]
例如，创建一个数据（data）为[2,4,6,8,10],标签（index）为['a','b','c','d','e']的Series对象
范例程序：
import pandas as pd
import numpy as np
S_with_user_label = pd.Series([2,4,6,8,10],['a','b','c','d','e'])
S_with_default_label = pd.Series([2,4,5,6,10])
print(S_with_user_label)
print(S_with_default_label)
运行结果如下，第一列是标签（Label），第二列是数据（Data）
Series对象也可以用字典（dictionary）来创建，若没有指定index；Series对象创建时，会按照字典的键值(keys)来排序，如下图所示
若指定了index，则按指定的index 列表来创建Series对象，如下图所示
注意：NaN (not a number) is the standard missing data marker used in pandas
Series类 也类似Dictionary 类，有values 和 index
Series对象也可以用标量（scalar）来创建，如下图所示
到此，Series类，及Series对象的创建就介绍完毕。
下一节，将介绍Series对象的操作