在pandas文档的概述页面中，Series 数据结构被描述为“同质类型”。
Data Structures
Dimensions Name Description
1 Series 1D labeled homogeneously-typed array
2 DataFrame General 2D labeled, size-mutable tabular structure with potentially heterogeneously-typed column
但是，可以创建具有多种数据类型的 Series 对象。
pd.Series(data=[1,2,3,4,5,'x'], index=['a','b','c','d','e','f'])
#=>a 1
# b 2
# c 3
# d 4
# e 5
# f x
# dtype: object
那么homogeneously-typed熊猫文档中提到的含义是什么？
您的系列确实是同质类型的，您可以检查它的类型：
s = pd.Series(data=[1,2,3,4,5,'x'], index=['a','b','c','d','e','f'])
s.dtype
> dtype('O')
其中“O”代表“对象”。但是，如果您检查系列中各个元素的类型，它们会有所不同：
type(s['a'])
> int
type(s['f'])
> str
我认为要记住的关键是，如果您的 Series 或 DataFrame Column 不是同质类型的（尽管技术上是“对象”类型的同质类型），那么某些 pandas 函数将不起作用。
这是 pandas 文档的Essential Basic Functionality中更好的解释：
如果 DataFrame 或 Panel 包含同质类型的数据，则实际上可以就地修改 ndarray，并且更改将反映在数据结构中。对于异构数据（例如，DataFrame 的某些列并非都是相同的 dtype），情况并非如此。与轴标签不同，values 属性本身不能被分配。
注意：处理异构数据时，将选择生成的 ndarray 的 dtype 以容纳所有涉及的数据。例如，如果涉及字符串，则结果将是 object dtype。如果只有浮点数和整数，则结果数组将是 float dtype。
如果您在一个系列中有多种不同的类型，比如说intand string，所有数据都将被向上转换为相同的 dtype=object（从您的示例中可以看到）。