Python是一門非常強大的編程語言，同時也是數據科學領域中最常用的語言之一。矩陣是數據科學中極為重要的基礎數據結構，而Python中也有著豐富的矩陣運算庫，本文將就Python中矩陣的常見運算進行介紹。

Python中最常見的矩陣庫就是NumPy。要使用NumPy中的矩陣運算，我們需要先將矩陣數據以數組的方式導入到Python中，例如：

import numpy as np
matrix_data = np.array([
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]
])

現在我們就可以開始進行一些矩陣運算了。

矩陣加法

矩陣的加法規則很簡單，就是兩個矩陣中的元素逐一相加。例如：

matrix_a = np.array([
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]
])
matrix_b = np.array([
[3, 2, 1],
[6, 5, 4],
[9, 8, 7]
])
matrix_c = matrix_a + matrix_b
print(matrix_c)

運行結果為：

[[ 4  4  4]
 [10 10 10]
 [16 16 16]]

矩陣減法

矩陣的減法與加法類似，就是兩個矩陣中的元素逐一相減。例如：

matrix_d = matrix_b - matrix_a
print(matrix_d)

運行結果為：

[[ 2  0 -2]
 [ 2  0 -2]
 [ 2  0 -2]]

矩陣乘法

矩陣乘法是矩陣運算中最常用的，但也是最復雜的。在Python中，我們使用dot()函數來進行矩陣乘法運算。例如：

matrix_e = np.array([
[1, 2],
[3, 4]
])
matrix_f = np.array([
[5, 6],
[7, 8]
])
matrix_g = np.dot(matrix_e, matrix_f)
print(matrix_g)

運行結果為：

[[19 22]
 [43 50]]

矩陣轉置

矩陣轉置是將矩陣中的行和列交換得到的新矩陣，用T屬性表示。例如：

matrix_h = np.array([
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]
])
matrix_i = matrix_h.T
print(matrix_i)

運行結果為：

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

以上就是Python矩陣常見運算的介紹，NumPy還有很多其他的矩陣運算函數，可以根據實際需求進行使用。