python - Python中的'@='符号是什么？

Question

我知道@是用于装饰器的，但@=在 Python 中是为了什么？它只是为一些未来的想法保留吗？

这只是我阅读时的许多问题之一tokenizer.py。

Answer 1

从文档中 ：

( @at) 运算符旨在用于矩阵乘法。没有内置 Python 类型实现此运算符。

该@运算符是在 Python 3.5 中引入的。@=如您所料，是矩阵乘法，然后是赋值。它们映射到__matmul__或类似于如何映射到__rmatmul__或。__imatmul__++=__add____radd____iadd__

PEP 465中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@中引入的执行矩阵乘法的新运算符。它们旨在澄清迄今为止​​存在的与运算符的混淆，该运算符用于元素乘法或矩阵乘法，具体取决于该特定库/代码中采用的约定。因此，将来，该运算符仅用于逐元素乘法。**

如PEP0465中所述，引入了两个运算符：

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

矩阵乘法与逐元素乘法

为了快速突出差异，对于两个矩阵：

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

• 逐元素乘法将产生：

  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]]
  

在 Numpy 中的用法

到目前为止，Numpy 使用了以下约定：

• *运算符（和一般的算术运算符）被定义为 ndarrays 上的元素操作和numpy.matrix类型上的矩阵乘法。

• 方法/函数 dot用于ndarrays的矩阵乘法

运算符的引入@使涉及矩阵乘法的代码更易于阅读。PEP0465 给了我们一个例子：

# 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等式。

Answer 3

@是Python3.5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