Python中的'@ ='符号是什么？

我知道@是给装饰器用的，但是@=Python有什么用呢？只是保留一些未来的想法吗？

这只是我阅读时遇到的许多问题之一tokenizer.py。

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@运算符是在Python 3.5中引入的。@=正如您所期望的那样，是矩阵乘法，后跟赋值。它们映射到__matmul__，__rmatmul__或__imatmul__类似于如何+和+=映射__add__，__radd__或__iadd__。

在PEP 465中详细讨论了操作员及其背后的原理。

@=和@是Python 3.5中引入的用于执行矩阵乘法的新运算符。它们的目的是澄清迄今为止​​与运算符之间存在的混淆，该运算符*根据该特定库/代码中采用的约定用于元素方式乘法或矩阵乘法。结果，将来，运营商*只能用于按元素乘法。

如PEP0465中所述，引入了两个运算符：

• 一个新的二进制运算符A @ B，与A * B
• 就地版本A @= B，与A *= B

矩阵乘法与按元素乘法

为了快速突出区别，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中使用

到目前为止，Numpy使用以下约定：

• 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ndarray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，最后一种实现更易于阅读和解释为等式。

@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

C = A @ B