关于pandas Series单一dtype文档描述与实际表现不符的疑问

• 对「单一dtype」定义的偏差
  pandas官方所说的「Series具有单一dtype」，指的是Series自身的 dtype 标识是唯一的。当你传入混合类型数据时，Series会将自身dtype设为object——这个object就是它的单一dtype，它允许存储任意Python原生对象（比如同时保留整数和字符串类型的元素），而非像numpy那样强制将所有元素转换为同一种非object类型。

• numpy与pandas的类型推断逻辑差异
  numpy创建数组时，会自动选择能容纳所有元素的最窄非object dtype，例如np.array([1, 'a'])会将所有元素强制转换为字符串类型（dtype为<U1），因此后续运算都是字符串操作。但pandas在处理混合类型列表时，不会执行这种强制转换，而是通过object dtype 保留每个元素的原始Python类型。

• 运算结果差异的核心原因
  你测试中的df['A'][0]是Python原生整数1，df['B'][0]是原生整数2，二者相加执行的是整数运算，结果为3；而numpy数组中的元素已被转换为字符串'1'和'2'，相加时执行字符串拼接操作，结果为'12'。

内容的提问来源于stack exchange，提问作者NaiveBae