概念 逐元运算（也译作 “按元素运算”）是 NumPy 中最基础、最核心的运算类型，核心逻辑是：对两个（或一个）数组的「对应位置元素」逐一进行相同的算术 / 逻辑操作，运算结果的形状和原数组完全一致

如果使用 python 搜索一堆数据里面特别的数据，往往就需要使用循环的方式一层层查找，如果通过 Numpy，则可以使用现成的方法搜寻特别的元素，大幅提高程序的处理效率

Numpy 里面比较重要的概念广播， 意思是将比较小的数组内容，广播到比较大的数组中，产生相互兼容的尺寸形状，Numpy 的广播实际使用 C语言操作，可以有效的运用记忆和运算，进一步提高程序运行的效率

NumPy 提供了不少数组排序的方式，可以针对多维数组与大量数据进行高效率的排序 数组排序方式 NumPy 有下列几种数组排序的方法： 方法 参数 说明

数组能分割，同样能把数组进行合并 合并数组的方法 NumPy 有下列几种合并数组元素的方法： 方法 参数 说明 numpy.concatenate()

Numpy 的 Split 方法能根据指定的条件，将一个数组分割成多个数组 分割方式 NumPy 有下列几种分割数组元素的方法

修改元素的方法 NumPy 有下列几种修改数组元素的方法： 方法 参数 说明 numpy.resize() arr, shape 改数组列尺寸大小。

前言 在处理多维数组时，会遇到改变数组结构的情况，例如一维数组改变维二维数组、三维数组，二维数组改变多维数组等等，而 Numpy 提高了 reshape、flatten....等方法，可以快速改变数组

前言 在创建的数组的时候给初始化了值，也可以在创建之后，针对特定的元素进行再次赋值，就是修改对应元素的值 一般赋值 知道元素位置就能修改 使用 NumPy 也能将上面的代码换成下方的写法