矩阵乘法是线性代数中一个重要的概念，对于科学计算、机器学习等领域都有广泛的应用。Python作为一门高级语言也提供了多种矩阵乘法的实现库，其中比较常用的有NumPy和SciPy。

NumPy是Python中的一个科学计算库，支持高性能的矩阵运算，包括矩阵乘法。下面是一个简单的矩阵乘法示例：

import numpy as np
# 构造两个矩阵
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
# 矩阵乘法
C = np.dot(A, B)
print(C)

上述代码首先使用NumPy库中的array函数构造了两个二维矩阵，然后使用dot方法进行矩阵乘法操作，结果存储在变量C中，并输出了结果。

除了NumPy之外，SciPy也是Python中一个常用的矩阵运算库。SciPy提供了更多复杂的科学计算函数和算法，但函数的调用方式与NumPy类似，下面是一个使用SciPy进行矩阵乘法的示例：

import numpy as np
from scipy import linalg
# 构造两个矩阵
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
# 矩阵乘法
C = np.dot(A, B)
print(C)

上述代码和NumPy的示例基本相同，只不过用到了SciPy库中的linalg模块中的一些线性代数函数。

综上所述，Python中提供了不同的矩阵乘法库，但NumPy和SciPy是最常用的两个库。根据实际需求选择不同的库可以大大提高代码的效率和可读性。