理解你的需求，我将为每个功能写一个单独的代码块来演示不同的矩阵操作。以下是单独的示例代码，每个示例都包含一个不同的矩阵操作：

1. 创建矩阵：

import numpy as np

# 创建矩阵
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print("矩阵:")
print(matrix)

2. 矩阵加法：

import numpy as np

matrix1 = np.array([[1, 2, 3], [4, 5, 6]])
matrix2 = np.array([[7, 8, 9], [10, 11, 12])

result_addition = matrix1 + matrix2
print("矩阵加法结果:")
print(result_addition)

3. 矩阵乘法：

import numpy as np

matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8])

result_multiplication = np.dot(matrix1, matrix2)
print("矩阵乘法结果:")
print(result_multiplication)

4. 矩阵转置：

import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6])

transposed_matrix = matrix.T
print("矩阵转置:")
print(transposed_matrix)

5. 元素级操作：

import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6])

result_elementwise_add = matrix + 2
result_elementwise_multiply = matrix * 2

print("元素级加法结果:")
print(result_elementwise_add)
print("元素级乘法结果:")
print(result_elementwise_multiply)

6. 汇总统计：

import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6])

row_sum = np.sum(matrix, axis=1)
column_sum = np.sum(matrix, axis=0)

print("行的求和:")
print(row_sum)
print("列的求和:")
print(column_sum)

7. 逻辑操作：

import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6])

comparison_result = matrix > 3
selected_elements = matrix[matrix > 3]

print("逻辑操作结果:")
print(comparison_result)
print("布尔索引结果:")
print(selected_elements)

这些单独的示例代码演示了不同的矩阵操作，包括创建矩阵、矩阵加法、矩阵乘法、矩阵转置、元素级操作、汇总统计、逻辑操作等。你可以单独运行每个示例以查看其效果。