NumPy数组可以将许多种数据处理任务表述为简洁的数组表达式（否则需要编写循环），用数组表达式代替循环的做法，通常被称为矢量化。一般来说，矢量化数组运算要比等价的纯Python方式快上一两个数量级（甚至更多） ，尤其是各种数值计算。
1.将条件逻辑表述为数组运算
假设根据cond中的值选取xarr和yarr的值：当cond中的值为True时，选取xarr的值，否则从yarr中选取。
- python列表推导式（由纯python完成，大数组处理速度慢且无法用于多维数组）
- 使用np.where
np.where的第二个和第三个参数不必是数组，它们都可以是标量值。如将cond为true的替换为2，为false的替换为-2。
2.数学和统计方法
sum、mean以及标准差std等聚合计算（aggregation，通常叫做约简（reduction） ） 既可以当做数组的实例方法调用，也可以当做顶级NumPy函数使用。
mean和sum这类的函数可以接受一个axis选项参数，用于计算该轴向上的统计值：
累加函数（如cumsum） 返回的是同样大小的数组，但是会根据每个低维的切片沿着标记轴计算部分聚类：
3.用于布尔型数组的方法
布尔值会被强制转换为1（True） 和0（False） 。因此，sum经常被用来对布尔型数组中的True值计数：
4.唯一化以及其它的集合逻辑
NumPy提供了一些针对一维ndarray的基本集合运算。其中，np.unique 用于找出数组中的唯一值并返回已排序的结果
5 用于数组的文件输入输出
np.save()、、np.savez()、np.load()
通过np.savez可以将多个数组保存到一个未压缩文件中，将数组以关键字参数的形式传入即可：
加载.npz文件时，会得到一个类似字典的对象，该对象会对各个数组进行延迟加载：
6 线性代数
NumPy提供了一个用于矩阵乘法的dot函数（既是一个数组方法也是numpy命名空间中的一个函数） ：
