สัญลักษณ์ '@ =' สำหรับใน Python คืออะไร

ฉันรู้ว่า@สำหรับนักตกแต่ง แต่@=สำหรับ Python มีอะไรบ้าง? มันเป็นเพียงการจองสำหรับแนวคิดในอนาคตบางอย่าง?

นี่เป็นเพียงหนึ่งในหลาย ๆ tokenizer.pyคำถามของฉันในขณะที่อ่าน

จากเอกสาร :

ตัวดำเนินการ@(at) มีวัตถุประสงค์เพื่อใช้สำหรับการคูณเมทริกซ์ ไม่มีไพ ธ อนชนิดใด ๆ ในตัวที่ใช้ตัวดำเนินการนี้

@ผู้ประกอบการได้รับการแนะนำในหลาม 3.5 @=คือการคูณเมทริกซ์ตามด้วยการมอบหมายตามที่คุณคาดหวัง พวกเขาแมปไป__matmul__, __rmatmul__หรือ__imatmul__คล้ายกับวิธีการ+และ+=แมปไป__add__, หรือ__radd____iadd__

ผู้ประกอบการและเหตุผลที่อยู่เบื้องหลังมันจะกล่าวถึงในรายละเอียดในPEP 465

@= และ @ผู้ประกอบการใหม่ที่นำมาในหลาม3.5การดำเนินการคูณเมทริกซ์ พวกเขาตั้งใจที่จะชี้แจงความสับสนที่มีอยู่กับผู้ปฏิบัติงาน*ซึ่งใช้ทั้งในการคูณองค์ประกอบที่ชาญฉลาดหรือการคูณเมทริกซ์ขึ้นอยู่กับระเบียบที่ใช้ในห้องสมุด / รหัสนั้น ๆ เป็นผลให้ในอนาคตผู้ประกอบการ*มีวัตถุประสงค์เพื่อใช้สำหรับการคูณองค์ประกอบที่ชาญฉลาดเท่านั้น

ตามที่อธิบายไว้ในPEP0465ผู้ประกอบการทั้งสองได้รับการแนะนำ:

• ตัวดำเนินการไบนารีใหม่ที่A @ Bใช้ในทำนองเดียวกันเป็นA * B
• รุ่นในสถานที่A @= Bใช้ในทำนองเดียวกันเป็นA *= B

การคูณเมทริกซ์กับการคูณองค์ประกอบที่ชาญฉลาด

เพื่อเน้นความแตกต่างอย่างรวดเร็วสำหรับสองเมทริกซ์:

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

• การคูณองค์ประกอบที่ชาญฉลาดจะให้ผล:

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

• การคูณเมทริกซ์จะทำให้:

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

การใช้งานใน Numpy

จนถึงตอนนี้ Numpy ใช้การประชุมดังต่อไปนี้:

• ตัว*ดำเนินการ (และตัวดำเนินการทางคณิตศาสตร์โดยทั่วไป) ถูกกำหนดเป็นการดำเนินการองค์ประกอบที่ชาญฉลาดในndarraysและเป็นเมทริกซ์การคูณในประเภทnumpy.matrix

• วิธีการ / ฟังก์ชั่น dotถูกนำมาใช้สำหรับการคูณเมทริกซ์ของ ndarrays

การแนะนำตัว@ดำเนินการทำให้โค้ดที่เกี่ยวข้องกับการคูณเมทริกซ์อ่านง่ายขึ้นมาก PEP0465 ให้ตัวอย่างแก่เรา:

# 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)

เห็นได้ชัดว่าการใช้งานครั้งล่าสุดนั้นง่ายกว่ามากในการอ่านและตีความว่าเป็นสมการ

@ เป็นตัวดำเนินการใหม่สำหรับการคูณเมทริกซ์ที่เพิ่มใน Python3.5

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

ตัวอย่าง

C = A @ B