Python中的'@ ='符号是什么？

Question

我知道@是装饰器,但@=Python的用途是什么？这只是对未来想法的保留吗？

这只是我阅读时的众多问题之一tokenizer.py.

Answer 1

从该 文档:

的@(在)操作者意图被用于矩阵乘法.没有内置的Python类型实现此运算符.

该@操作符是在Python 3.5中引入的.@=正如您所期望的那样,是矩阵乘法,然后是赋值.它们映射到__matmul__,__rmatmul__或__imatmul__类似于如何+和+=映射__add__,__radd__或__iadd__.

PEP 465详细讨论了运营商及其背后的基本原理.

Answer 2

@=并且@是Python 3.5中引入的新运算符,执行矩阵乘法.它们旨在澄清迄今为止​​与运算符存在的混淆,运算符*用于元素乘法或矩阵乘法,这取决于特定库/代码中采用的约定.因此,将来,运算符*仅用于逐元素乘法.

如PEP0465中所述,引入了两个运营商:

• 一个新的二元运算符A @ B,类似于A * B
• 就地版本A @= B,类似于A *= B

矩阵乘法与元素乘法

为了快速突出差异,对于两个矩阵:

A = [[1, 2],    B = [[11, 12],
     [3, 4]]         [13, 14]]

• 元素乘法将产生:

  A * B = [[1 * 11,   2 * 12], 
           [3 * 13,   4 * 14]]
  

• 矩阵乘法将产生:

  A @ B  =  [[1 * 11 + 2 * 13,   1 * 12 + 2 * 14],
             [3 * 11 + 4 * 13,   3 * 12 + 4 * 14]]
  

Numpy中的用法

到目前为止,Numpy使用了以下约定:

• 的*操作者(和算术运算符在普通)被定义为在元件为单位的运算ndarrays并作为矩阵乘法numpy.matrix类型.

• 方法/函数 dot用于ndarrays的矩阵乘法

引入@运算符使得涉及矩阵乘法的代码更容易阅读.PEP0465给我们举了一个例子:

# Current implementation of matrix multiplications using dot function
S = np.dot((np.dot(H, beta) - r).T,
            np.dot(inv(np.dot(np.dot(H, V), H.T)), np.dot(H, beta) - r))

# Current implementation of matrix multiplications using dot method
S = (H.dot(beta) - r).T.dot(inv(H.dot(V).dot(H.T))).dot(H.dot(beta) - r)

# Using the @ operator instead
S = (H @ beta - r).T @ inv(H @ V @ H.T) @ (H @ beta - r)

显然,最后一个实现更容易阅读和解释为一个等式.

Answer 3

@是Python3.5中新增的矩阵乘法运算符

参考：https://docs.python.org/3/whatsnew/3.5.html#whatsnew-pep-465

例子

C = A @ B