包括矩陣與行向量之間的操作，以及矩陣加法等。

a = np.random.randint(1,10,(3,4))
---------------------------------------------------------
a
Out[102]: 
array([[9, 4, 9, 9],
       [9, 2, 8, 4],
       [5, 3, 9, 5]])
---------------------------------------------------------
b = np.array([2,1,6,3])
a-b
---------------------------------------------------------
#可以看出矩陣減去一行可以直接進行操作，而不用遍歷所有行來執行減法操作
Out[104]: 
array([[7, 3, 3, 6],
       [7, 1, 2, 1],
       [3, 2, 3, 2]])
--------------------------------------------------------
np.square(a-b)
--------------------------------------------------------
#是對每一個位置分別進行平方操作
Out[105]: 
array([[49,  9,  9, 36],
       [49,  1,  4,  1],
       [ 9,  4,  9,  4]], dtype=int32)
--------------------------------------------------------
np.sum(a-b)
---------------------------------------------------------
Out[106]: 40
--------------------------------------------------------
#axis=1是將每行進行相加，在列的方向上進行相加
np.sum((a-b), axis=1)
-------------------------------------------------------
Out[107]: array([19, 11, 10])
 

 np.mean()用法

a
array([[9, 4, 9, 9],
       [9, 2, 8, 4],
       [5, 3, 9, 5]])

--------------------------------------------------------
b = np.random.randint(1,10,(3,4))
b
Out[110]: 
array([[2, 4, 4, 9],
       [8, 2, 3, 9],
       [3, 8, 4, 9]])

-----------------------------------------------------
np.mean(a==b)
Out[111]: 0.25
 

對相同shape的矩陣的每一個相對應位置的元素進行比較，返回相同元素所佔比例。