Pandas & Numpy：盲点

1. Pandas中，如果用字典构造系列和数据帧，如果强行指定index或者column，则以强行指定的为准，指定的index或者column中没有，但是字典本身有的数据将被忽略，指定的index或者column中有，但是字典本身没有的数据将被置NaN

2. DataFrame的某一列为Series，则DataFrame的index必须和Series的index一样，不然所有数据都将是NaN，因此使用这种方式的时候，最好的方法就是数据帧构建过程中不设置index，而是在每一个Series构建的时候构造相同的index，如下

# !user/bin/python
# -*- coding: UTF-8 -*-

import numpy as np
import pandas as pd

# 数据帧的选择

dic = {'col1' : pd.Series(np.arange(4),index = ['one', 'two', 'three', 'four']),
       'col2' : pd.Series(np.arange(100, 100 + 4), index = ['one', 'two', 'three', 'four'])}
df = pd.DataFrame(dic)
print(df)

#        col1  col2
# one       0   100
# two       1   101
# three     2   102
# four      3   103

3. permutation和shuffle

permutation传入一个int或者一个ndarray，shuffle只能传入一个ndarray

permutation有返回值，不改变原有arr，shuffle没有返回值，会改变原有arr

permutation速度比shuffle慢

import numpy as np

a