创建一个3乘3矩阵，其元素为分别为1、...、9，如下图所示。 [1 2 3] [4 5 6] [7 8 9] ①求每行、每列和数组的最大值和最小值 ②求每行、每列和数组的峰值 ③求每行、每列和数组的和，对角线和 ④求每行、每列和数组的平均值和方差

首先，我们创建一个3x3的矩阵，其元素从1到9：

matrix = [
  [1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]
]

接下来，我们可以依次计算每个部分的需求：

① 求每行、每列和整个数组的最大值和最小值：

row_maxes = [max(row) for row in matrix]
col_maxes = [max(col) for col in zip(*matrix)]  # 使用zip(*)转置矩阵
matrix_max = max(max(matrix))
row_mins = [min(row) for row in matrix]
col_mins = [min(col) for col in zip(*matrix)]
matrix_min = min(min(matrix))

② 求每行、每列和数组的峰值（最大值）：
- 对于每一行和每一列，最大的数就是峰值。
- 对于整个矩阵，如果所有元素都相等，则不存在峰值；若不全等，最大值即为矩阵的峰值。

③ 求每行、每列和数组的和，以及对角线和：

row_sums = [sum(row) for row in matrix]
col_sums = [sum(col) for col in zip(*matrix)]
main_diagonal_sum = sum(matrix[i][i] for i in range(3))
secondary_diagonal_sum = sum(matrix[i][2-i] for i in range(3))

④ 求每行、每列和数组的平均值和方差：

row_avgs = [sum(row)/len(row) for row in matrix]
col_avgs = [sum(col)/len(col) for col in zip(*matrix)]
matrix_avg = sum(sum(matrix))/sum([len(row) for row in matrix])
# 计算方差需要先求出平均值，然后计算每个元素与平均值的差的平方和除以元素总数
variance = sum((val - matrix_avg)**2 for row in matrix for val in row) / (3*3)

现在，你可以根据这些代码片段来获取所需的统计信息。如果你需要具体的代码实例，我可以为你展示如何将这些步骤整合在一起。有任何疑问，请告诉我。