下面是一个使用Python语言的示例代码，展示了如何使用向量化来提高代码的表现和总体性能。

假设我们有一个包含1到1000的整数的列表，我们想要计算所有数字的平方和。

方法1：非向量化的解决方法

numbers = list(range(1, 1001))
total = 0

for num in numbers:
    total += num**2

print(total)

方法2：向量化的解决方法

import numpy as np

numbers = np.arange(1, 1001)
total = np.sum(numbers**2)

print(total)

在方法1中，我们使用了一个for循环来遍历列表中的每个数字，并将它的平方添加到总和中。这是一种非向量化的方法，因为我们逐个处理了每个数字。

在方法2中，我们使用了NumPy库来创建一个包含1到1000的整数的数组。然后，我们使用向量化的操作（numbers**2）来计算每个数字的平方。最后，通过使用np.sum函数来计算所有数字的平方和。这种方法比方法1更高效，因为它可以同时处理整个数组，而不需要遍历每个元素。

通过使用向量化，我们可以提高代码的表现和总体性能，特别是当处理大型数据集时。