创建整数类型的Series对象

s_int = pd.Series(1, 2, 3, 4, 5)

创建浮点数类型的Series对象

s_float = pd.Series(1.1, 2.2, 3.3, 4.4, 5.5)

创建字符串类型的Series对象

s_str = pd.Series('a', 'b', 'c', 'd', 'e')

推荐的腾讯云相关产品：腾讯云数据库TDSQL，提供高性能、高可用的数据库服务，支持多种数据类型的存储和查询。产品介绍链接地址：https://cloud.tencent.com/product/tdsql

DataFrame对象：DataFrame是pandas中的二维数据结构，可以使用不同的数据类型来创建。常见的数据类型包括整数（int）、浮点数（float）、字符串（str）等。创建DataFrame对象的方法如下：

import pandas as pd

创建整数类型的DataFrame对象

df_int = pd.DataFrame({'A': 1, 2, 3, 4, 5, 'B': 6, 7, 8, 9, 10})

创建浮点数类型的DataFrame对象

df_float = pd.DataFrame({'A': 1.1, 2.2, 3.3, 4.4, 5.5, 'B': 6.6, 7.7, 8.8, 9.9, 10.0})

创建字符串类型的DataFrame对象

df_str = pd.DataFrame({'A': 'a', 'b', 'c', 'd', 'e', 'B': 'f', 'g', 'h', 'i', 'j'})

推荐的腾讯云相关产品：腾讯云云服务器CVM，提供高性能、可扩展的云服务器，适用于各种应用场景。产品介绍链接地址：https://cloud.tencent.com/product/cvm

就地应用函数的方法是指在原始的Series或DataFrame对象上直接应用函数，而不创建新的对象。可以使用apply()方法来实现就地应用函数的操作。

例如，对于Series对象，可以使用apply()方法将一个函数应用到每个元素上：

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5])

# 定义一个函数，将每个元素加上10
def add_10(x):
    return x + 10

# 就地应用函数，将每个元素加上10
s.apply(add_10)

对于DataFrame对象，可以使用apply()方法将一个函数应用到每一列或每一行上：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10]})

# 定义一个函数，将每个元素加上10
def add_10(x):
    return x + 10

# 就地应用函数，将每一列的元素加上10
df.apply(add_10, axis=0)

# 就地应用函数，将每一行的元素加上10
df.apply(add_10, axis=1)

以上就是选择具有所需data_type的pandas系列并就地应用函数的方法。