diff --git a/docs/README.md b/docs/README.md
index 799b499..1f44781 100644
--- a/docs/README.md
+++ b/docs/README.md
@@ -4,7 +4,7 @@ meta:
   - name: keywords
     content: numpy中文文档,numpy中文api,numpy中文手册,numpy教程,numpy下载安装,numpy
   - name: description
-    content: 这是NumPy官方的中文文档，NumPy是用Python进行科学计算的基础软件包。
+    content: 这是 NumPy 官方的中文文档，NumPy 是用 Python 进行科学计算的基础软件包。
 heroImage: https://extraimage.net/images/2019/09/23/5ac6e9d90002903efacacdcb8182b8ed.png
 actionText: 快速了解 →
 actionLink: /user/
@@ -17,45 +17,45 @@ footer: 署名-非商业性使用-相同方式共享 3.0 中国大陆 (CC BY-NC-
   <div class="feature">
     <h2>NumPy 是什么？</h2>
     <p>
-      NumPy是使用Python进行科学计算的基础软件包。除其他外，它包括：
+      NumPy 是 Python 科学计算的基础包。它主要包括：
     </p>
     <ul>
       <li>
-        功能强大的N维数组对象。
+        功能强大的多维数组对象。
       </li>
       <li>
-        精密广播功能函数。
+        先进的广播函数。
       </li>
       <li>
-        集成 C/C+和Fortran 代码的工具。
+        集成 C/C++ 和 Fortran 代码的工具。
       </li>
       <li>
-        强大的线性代数、傅立叶变换和随机数功能。
+        实用的线性代数、傅立叶变换和随机数等功能。
       </li>
     </ul>
   </div>
   <div class="feature">
-    <h2>利器之一：Ndarray</h2>
-    <p>NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域。</p>
+    <h2>利器之一：ndarray</h2>
+    <p>NumPy 最重要的特性之一是其多维数组对象 ndarray。它用于存放同类型元素，其中每个元素在内存中都有相同大小的空间。ndarray 以从 0 开始的下标索引其中的元素。</p>
   </div>
   <div class="feature">
-    <h2>利器之一：切片和索引</h2>
-    <p>ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。</p>
+    <h2>利器之二：索引和切片</h2>
+    <p>可通过索引和切片来访问、修改 ndarray 对象，与 Python 中的 list 一样。ndarray 数组可以使用 0~n 的下标进行索引，也可以通过内置的 slice 函数切片，即通过设置 start, stop 和 step 参数从原数组中提取出一个新数组。</p>
   </div>
 </div>
 
 
-### 网站阅读导航
+### 阅读导航
 
-- 如果使用手机预览，请点击**左上角**的菜单图标展开文档的菜单。
-- 假设你是新手同学，推荐阅读基础文章中的：[理解Numpy](/article/basics/understanding_numpy.html)、[NumPy简单入门教程](/article/basics/an_introduction_to_scientific_python_numpy.html)、[创建Numpy数组的不同方式](/article/basics/different_ways_create_numpy_arrays.html)。还有中文文档提供的[精选资源](/awesome/)。
-- 想了解**神经网络**或者**强化学习**相关的可以参看 [NumPy 与 神经网络](/article/advanced/numpy_kmeans.html)、[ NumPy实现DNC、RNN和LSTM神经网络算法](/article/advanced/dnc_rnn_lstm.html)。
-- 想查找手册？请指教点击左上角的搜索框进行搜索。
-- 想系统的学习NumPy？请直接从本文档第一篇一直阅读到最后一篇，你可能不需要为任何教程/内容付费就可以学会。
-- 如果有疑问请在右侧**快捷留言板**留言 或者 加入**NumPy 中文社区**的QQ/微信群。
-- 另外，**捐赠**可以点击下面**捐赠网站**按钮。🙏
+- 如果您在使用手机预览，请点击**左上角**的菜单图标展开文档的菜单。
+- 如果您是新手，我们推荐阅读：[理解 Numpy](/article/basics/understanding_numpy.html)、[NumPy 简单入门教程](/article/basics/an_introduction_to_scientific_python_numpy.html)、[创建 Numpy 数组的不同方式](/article/basics/different_ways_create_numpy_arrays.html)。还有中文文档提供的[精选资源](/awesome/)。
+- 了解**神经网络**或者**强化学习**的相关知识，参看 [NumPy 与 神经网络](/article/advanced/numpy_kmeans.html)、[NumPy 实现 DNC、RNN 和 LSTM神经网络算法](/article/advanced/dnc_rnn_lstm.html)。
+- 查找资料？请在页面中左上角的搜索框进行搜索。
+- 系统地学习 NumPy？请从头到尾阅读此文档，你可能不需要为任何教程/内容付费。
+- 如果有疑问请在右侧**快捷留言板**留言，或者加入**NumPy 中文社区**的 QQ / 微信群。
+- 另外，点击下面的**捐赠网站**以向我们捐赠。🙏
 
-### 就像1、2、3 一样简单
+### 快速开始
 
 ``` bash
 # 1、安装包
@@ -77,9 +77,9 @@ array([[1., 0., 0., 0.],
 
 ::: warning 提醒
 
-改变世界从 **Python** 开始。
+改变世界，从 **Python** 开始。
 
-本网站推荐使用[Python3.x](https://www.python.org/downloads/)及以上版本。
+本网站推荐使用 [Python3.x](https://www.python.org/downloads/) 或更高版本。
 
 :::