使用Numpy数组可以使你利用简单的数组表达式完成多种数据操作任务，而无须写大量的循环操作。这种利用数组表达式来代替显示循环的方法，成为向量化。通常，向量化的数组操作回避纯Python的等价实现在速度上快一到两个数量级（甚至更多）。

一、将条件逻辑作为数组操作

        numpy.where函数是三元表达式x if condition else y的向量化版本。

实例代码：

         np.where的第二个参数和第三个参数并不需要是数组，它们可以是标量。where在数据分析中的一个典型用法是根据一的数组来生成一个新的数组。假设你有一个随机生成矩阵数据，并且你想将其中的正值都替换为2，将所有的负值替换为-2，使用np.where会很容易实现：

         你可以使用np.where将标量和数组联合：

二、数学和统计方法

        许多关于计算整个数组统计值或关于轴向数据的数学函数，可以作为数组类型的方法被调用。你可以使用聚合函数（通常也叫缩减函数），比如sum，mean和std（标准差），既可以直接调用数组实例的方法，也可以使用顶层的Numpy函数。

         其他的方法，cumsum,cumprod并不会聚合，他们会产生一个中间结果；在多维数组中，像cumsum这样的累机函数返回相同长度的数组，但是可以在指定轴向根据较低维度的切片进行部分聚合。

三、布尔值数组的方法

        布尔值会被强制为1和0。因此，sum通常可以用于计算布尔值数组中的True的个数：

        对于布尔值数组，有两个非常有用的方法any和all。any()检查数组中是否至少有一个True，而all()检查是否每个都是True,这些方法也可适用于非布尔值数组，所有非0元素都会按True处理。