NumPy數組可以將許多數據處理任務表述為簡潔的數組表達式，否則需要編寫循環。用數組表達式代替循環的做法，通常被稱為矢量化。通常矢量化數組運算要比等價的純Python方式快上一兩個數量級，尤其是各種數值計算。
假設我們想要在一組值（網格型）上計算函數sqrt(x^2 + y^2)。np.meshgrid()函數接受兩個一維數組，併產生兩個二維矩陣，對應於兩個數組中所有的(x, y)對。
將條件邏輯表述為數組運算
np.where()函數是三元表達式 x if condition else y的矢量化版本。假設我們有一個布爾數組和兩個值數組：
這有一些問題。第一，它對大數組的處理速度不是很快；第二，無法用於多維數組。若使用np.where()，則可以將該功能寫得非常簡潔。
np.where()的第二個和第三個參數不必是數組，也可以是標量值。where()通常用於根據另一個數組產生一個新的數組。
np.where()可以表述更加複雜的邏輯。
數學和統計方法
| sum() | 對數組中全部或某軸向的元素求和。零長度的數組的sum為0。 |
| mean() | 算術平均數。零長度的數組的mean為NaN。 |
| std()/var() | 分別為標準差和方差，自由度可調（默認為n）。 |
| min()/max() | 最大值和最小值。 |
| argmin()/argmax() | 分別為最大和最小元素的索引。 |
| cumsum() | 所有元素的累計和。 |
| cumprod() | 所有元素的累計積。 |
用於布爾型數組的方法
在使用基本統計方法時，布爾值會被強制轉換為1和0，因此sum經常被用來對布爾型數據中的True值計數。
另外還有兩個方法any()和all()，它們對布爾型數組非常有用。any()用於測試數組中是否存在一個或多個True，而all()則檢查數組中所有制是否都是True，兩個方法均返回布爾值結果。這兩個方法也可用於非布爾型數組，所有非0元素均會被當作True。
排序
與Python內置的列表類型一樣，NumPy數組也可以通過sort方法就地排序（會對原數組進行操作）。
多維數組可以在任何一個軸向上進行排序，只需將軸編號傳給sort即可。
請點擊此處輸入圖片描
頂級方法np.sort()返回的是數組的已排序副本，而就地排序則會修改數組本身。計算數組分位數最簡單的方法是對其進行排序，然後取特定位置的值：
唯一化以及其他的集合邏輯。
NumPy提供了一些針對一維ndarray()的基本集合運算，最常用的可能要數np.unique()了，它用於找出數組中的唯一值並返回已排序的結果。
拿跟np.unique()等價的純Python代碼對比一下：
另一個函數np.in1d()用於測試一個數組中的值在另一個數組中的成員資格，返回一個布爾型數組：
| unique(x) | 計算x中的唯一元素，並返回有序結果 |
| intersect1d(x, y) | 計算x和y的交集，並返回有序結果 |
| union1d(x, y) | 計算x和y的並集，並返回有序結果 |
| in1d(x, y) | 得到一個表示“x的元素是否包含於y”的布爾型數組 |
| setdiff1d(x, y) | 集合的差，即元素在x中且不在y中 |
| setxor1d(x, y) | 集合的對稱差，即存在於一個數組中但不同時存在於兩個數組中的元素。 |