向量化运算的定义
向量化计算是一种特殊的并行计算的方式， 它可以在同一时间执行多次操作，通常是对不同的数据执行同样的一个或一批指令， 或者说把指令应用于一个数组/ 向量。（主要用于python第三方库pandas的Series系列和DataFrame数据框运算）
用到的库：numpy
利用arange方法生成等差数据，基本语法如下：
numpy.arange(start, end, step) ，其中，start是开始值，end 是结束值，step是步长
四则运算：
相同的位置的数据进行计算，结果保留在相同的位置。
函数运算
相同的位置的数据进行函数运算，函数的返回结果保留在相同的位置。
func(x)
例如：power(x, y)
对x中的每个元素求y次方。
比较运算（>,<,=）
如1-1图例
常用于过滤并取值，如a[a>4]，表示取a中大于4的数值，如1-2图例
矩阵运算
在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合 [1] ，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。
定义：
基本运算：矩阵运算在科学计算中非常重要 ，而矩阵的基本运算包括矩阵的加法，减法，数乘，转置，共轭和共轭转置。
加法运算
减法运算：
数乘运算：
————————矩阵的加减法和矩阵的数乘合称矩阵的线性运算——————————
转置
共轭及共轭转置
矩阵乘法
向量化计算的原则
1、代码中尽量避免显示的for 循环
2、过早的优化是魔鬼
补充：
apply函数
apply函数是`pandas`里面所有函数中自由度最高的函数。该函数如下：
DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)
该函数最有用的是第一个参数，这个参数是函数，相当于C/C++的函数指针。
这个函数需要自己实现，函数的传入参数根据axis来定，比如axis = 1，就会把一行数据作为Series的数据
结构传入给自己实现的函数中，我们在函数中实现对Series不同属性之间的计算，返回一个结果，则apply函数
会自动遍历每一行DataFrame的数据，最后将所有结果组合成一个Series数据结构并返回。
lambda关键字
lambda关键字创造匿名函数。匿名是不需要以标准的方式来声明，比如说使用 def 语句。（除非赋值给一个局部变量，这样的对象也不会在任何的名字空间内创建名字，上面的例子中会创建名字。)
作为函数，它们也能有参数。一个完整的 lambda"语句"代表了一个表达式，这个表达式的定义体必须和声明放在同一行。语法如下：
lambda [arg1[, arg2, ... argN]]: expression
参数是可选的，如果使用的参数话，参数通常也是表达式的一部分
map函数
map是python内置函数，会根据提供的函数对指定的序列做映射。
map()函数的格式是：
map(function,iterable,...)
第一个参数接受一个函数名，后面的参数接受一个或多个可迭代的序列，返回的是一个集合。
把函数依次作用在list中的每一个元素上，得到一个新的list并返回。注意，map不改变原list，而是返回一个新list。
例如：map(lambda x,y ： x + y ， [ 1,3,5,7,9 ] , [2,4,6,8,10] ）
# 结果如下：
[ 3 ,7 ,11 ,15 ,19 ]