Numpy数组使你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跑一趟湖南快
上一两个数量级（甚至更多），尤其是各种数值计算。
将条件逻辑表述为数组运算 np.where
where 第二需求：
where 的第二个和第三个参数不必是数组，他们都可以是标量值。在数据分析工作中，where通常用于根据另一个
数组而产生一个新的数组。假设有一个由随机数据组成的矩阵，您希望将所有正值替换为2， 将所有负值替换为-2.若利用np.where,则会非常简单：
看例子：
更复杂的数据逻辑例子：
数学和统计方法
详情点击：Numpy 的数学和统计方法
用于布尔型数组的方法
在上面的方法中，bool类型会强制转换为1和0。因此， sum经常被用来对布尔型数组中的True值计数：
另外还有两个方法any和all， 他们对布尔型数组非常有用。any用于测试数组中是否存在一个或多个True， 而all则检查数组中所有值是否都是True：
这两个方法也能用于非布尔型数组， 所有非0元素将会被当作True。
排序
跟Python内置的列表类型一样， Numpy数组也可以通过sort方法就地排序：
注意：
顶级方法np.sort返回的是数组的已排序副本， 而就地排序则会修改数组本身。
计算数组分位数最简单的方法是对其进行排序， 然后选取特定位置的值：
唯一化以及其他的集合逻辑
Numpy提供了一些针对一维ndarray的基本集合运算。最常用的可能要数np.unique 了， 它用于找出数组中唯一值
并返回已排序的结果：
而python代码对比一下
另一个函数np.inld用于测试一个数组中的值在另一个数组中的成员资格， 返回一个布尔型数组：
数组的集合运算方法
