python中 是什么符号_Python中的'@ ='符号是什么？

@=而@在Python引入了新的运营商3.5执行矩阵乘法。它们的目的是澄清到目前为止与运算符之间存在的混淆，该运算符*根据特定库/代码中使用的约定用于元素方式乘法或矩阵乘法。结果，将来，该运算符*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。