Python 作為一種高級編程語言，非常適合用來進行大規模的數據處理和分析，而使用 Python 進行科學計算的一個重要工具就是 NumPy 庫。

NumPy 庫提供了高效處理高維數組的方法，其中包括矩陣。在 Python 中，矩陣是一種二維數組，每一個元素都具有相同的類型和大小。在 NumPy 庫中，我們可以使用 ndarray 對象來表示矩陣，這個對象實際上是一個 N 維數組。

import numpy as np
# 創建一個 2x3 的矩陣
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a)

上面的代碼將輸出以下內容：

array([[1, 2, 3],
[4, 5, 6]])

在實際的數據分析中，我們需要處理的數據往往是高維的，比如圖像數據就是一個二維的像素矩陣，而視頻數據則是三維的。

對于高維數組的處理，NumPy 提供了很多有用的函數和屬性，比如 shape 屬性可以返回數組的維度大小。下面的代碼演示了如何創建一個 3x2x2 的三維矩陣，并輸出其維度大小。

import numpy as np
# 創建一個 3x2x2 的三維矩陣
b = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]], [[9, 10], [11, 12]]])
print(b.shape)

輸出的結果是：

(3, 2, 2)

在處理高維數組時，我們也可以使用 NumPy 的切片操作來訪問其中的子數組。例如下面的代碼演示了如何取出三維數組 b 的第一個維度中的第二個元素：

import numpy as np
# 創建一個 3x2x2 的三維矩陣
b = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]], [[9, 10], [11, 12]]])
print(b[1])

輸出的結果是：

[[5 6]
 [7 8]]

綜上所述，NumPy 庫為我們提供了方便的高維數組操作方法，可以幫助我們高效地進行科學計算和數據分析。