Question

我知道@适用于装饰器，但Python中的@=是什么？这只是对未来想法的保留吗？

这只是阅读tokenizer.py时的众多问题之一。

Answer 1

@（at）运算符旨在用于矩阵乘法。没有内置的Python类型实现此运算符。

在Python 3.5中引入了@运算符。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+和+=映射到__add__，__radd__或{{ 1}}。

在PEP 465中详细讨论了算子及其背后的基本原理。

Answer 2

@=和@是Python 3.5 中执行矩阵乘法的新运算符。它们旨在澄清到目前为止存在的运算符*的混淆，运算符用于元素乘法或矩阵乘法，这取决于特定库/代码中使用的约定。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：

新的二元运算符A @ B，与A * B
就地版本A @= B，与A *= B

矩阵乘法与元素乘法

快速突出显示两个矩阵的区别：

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使用了以下惯例：

*运算符（以及一般arithmetic operators）被定义为ndarrays上的元素操作和numpy.matrix类型的矩阵乘法。< / p>
method/function dot用于ndarrays的矩阵乘法

@运算符的引入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，最后一个实现更易于阅读和解释为方程式。

Answer 3

@是Python3.5中添加的Matrix Multiplication的新运算符

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

实施例

C = A @ B

什么是＆＃39; @ =＆＃39;在Python中的符号？

3 个答案:

矩阵乘法与元素乘法