NumPy是Python中用于科学计算的库之一。其中的数组（array）是NumPy中最常用的数据结构之一，它由相同类型的元素组成，并提供了许多便捷的操作方式。在NumPy中对每个元素进行操作可以使用各种函数或者向量化操作。

使用函数

NumPy中的函数可以对数组中的每个元素进行操作。例如，我们可以使用numpy.sqrt函数来计算一个数组中每个元素的平方根。下面的代码演示了如何使用该函数：

import numpy as np

# 创建一个包含9个元素的数组
a = np.array([1, 4, 9, 16, 25, 36, 49, 64, 81])

# 计算每个元素的平方根
b = np.sqrt(a)

print(b)

输出结果为：

[1. 2. 3. 4. 5. 6. 7. 8. 9.]

注意到这里使用的是np.sqrt而不是math.sqrt。前者是NumPy中的函数，可以处理整个数组；后者只能处理单个数值。

还有其他很多函数可以用来处理数组中的每个元素。例如，np.exp函数可以计算每个元素的指数，np.log10函数可以计算每个元素的以10为底的对数，np.sin和np.cos函数可以计算每个元素的正弦和余弦等等。

向量化操作

尽管函数可以对每个元素进行操作，但是如果需要对数组中的每个元素进行复杂的计算，那么使用函数的效率可能会比较低下。此时，可以考虑使用向量化操作。

向量化操作可以让我们直接对整个数组进行操作，而不需要使用循环或者其他的迭代结构。这样可以大大提高运算速度。在NumPy中，向量化操作可以通过NumPy中提供的广播机制实现。

例如，下面的代码演示了如何将一个数组中的每个元素加上一个常数：

import numpy as np

# 创建一个包含9个元素的数组
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 将每个元素加上10
b = a + 10

print(b)

输出结果为：

[11 12 13 14 15 16 17 18 19]

我们也可以对两个数组进行向量化操作。例如，下面的代码演示了如何将两个数组中的元素相乘：

import numpy as np

# 创建两个包含9个元素的数组
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
b = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18])

# 将两个数组中的元素相乘
c = a * b

print(c)

输出结果为：

[ 2  8 18 32 50 72 98 128 162]

需要注意的是，向量化操作要求参与计算的两个数组的形状必须相同，或者至少在某些维度上是可广播的。如果数组的形状不符合这个要求，那么就需要使用np.reshape、np.newaxis等函数来调整数组的形状。

总结

在NumPy中对每个元素进行操作可以使用各种函数或者向量化操作。如果需要执行简单的操作，比如对每个元素求平方根、指数、对数等，那么使用函数即可。如果需要执行更加复杂的操作，比如对

每个元素进行加减乘除等运算，那么使用向量化操作会更加高效。

在使用向量化操作时，需要注意参与计算的数组形状必须相同或者可广播。此外，向量化操作可以让我们直接对整个数组进行操作，而不需要使用循环或其他迭代结构，这样可以大大提高运算速度。

总之，在NumPy中对每个元素进行操作既可以使用函数，也可以使用向量化操作，选择哪种方式取决于所需操作的复杂程度和数据规模大小。