要查找二维数据矩阵中的最小、最大值，可以使用Python中的min()和max()函数，这两个函数都支持接收可迭代对象作为输入参数。
要查找二维数据矩阵中的最小值，可以将二维矩阵展开为一维数组，然后再使用min()函数查找最小值。下面是一个示例代码：
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
min_val = min([min(row) for row in matrix])
print(min_val) # 输出1
在上面的代码中，首先定义了一个二维数组matrix，然后使用列表生成式将每一行转换为一维数组，并使用min()函数查找其中的最小值。
另外一个更加简洁的方法是使用numpy.min()函数。numpy是一个强大的数学库，可以方便地进行矩阵运算。以下是使用numpy查找二维数据矩阵中的最小值的示例代码：
import numpy as np
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
min_val = np.min(matrix)
print(min_val) # 输出1
在上面的代码中，首先使用import关键字导入了numpy模块，然后定义了一个二维数组matrix，最后使用np.min()函数查找其中的最小值。
同样地，要查找二维数据矩阵中的最大值，可以将二维矩阵展开为一维数组，然后再使用max()函数查找最大值。以下是示例代码：
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
max_val = max([max(row) for row in matrix])
print(max_val) # 输出9
在上面的代码中，首先定义了一个二维数组matrix，然后使用列表生成式将每一行转换为一维数组，并使用max()函数查找其中的最大值。
同样地，使用numpy提供的函数也是一种更加简洁的方法。以下是使用numpy查找二维数据矩阵中的最大值的示例代码：
import numpy as np
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
max_val = np.max(matrix)
print(max_val) # 输出9
在上面的代码中，首先使用import关键字导入了numpy模块，然后定义了一个二维数组matrix，最后使用np.max()函数查找其中的最大值。
通过上述两个示例，我们可以看到使用Python自带的min()和max()函数或者使用numpy提供的np.min()和np.max()函数都可以方便地查找二维数据矩阵中的最小或最大值。同时，numpy库的使用便于进行更加复杂的矩阵运算，可以进一步扩展应用。
本文链接：http://task.lmcjl.com/news/15050.html