Python 中的 '@=' 符号代表什么？

问题描述：

我知道@for 是装饰器，但是@=Python 中的 for 是什么？它只是为某些未来的想法保留的吗？

这只是我在阅读时提出众多问题之一tokenizer.py。

解决方案 1：

来自文档 ：​

(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。@=正如您所期望的那样，它是矩阵乘法，然后是赋值。它们映射到__matmul__，__rmatmul__或__imatmul__类似于+和+=映射到__add__，__radd__或__iadd__。

PEP 465中详细讨论了该运算符及其背后的原理。

解决方案 2：

@=和@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​​存在的混淆，即该运算*符用于元素乘法或矩阵乘法，具体取决于特定库/代码中采用的约定。因此，将来，该运算符*仅用于元素乘法。

如PEP0465中所述，引入了两个运算符：

• 一个新的二元运算符A @ B，用法类似A * B

• 就地版本A @= B，用法类似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]]

在 Numpy 中的用法

到目前为止，Numpy 使用以下约定：

• 该*运算符（以及一般的算术运算符）被定义为ndarrays上的元素运算和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@使得涉及矩阵乘法的代码更易于阅读。PEP0465 给出了一个例子：

# 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，最后的实现作为一个方程式更容易阅读和解释。

解决方案 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

解决方案 4：

Numpy 1.25 将支持使用@=如下矩阵乘法：