A cosa serve il simbolo '@ =' in Python?

So che @è per i decoratori, ma a cosa serve @=Python? È solo una prenotazione per qualche idea futura?

Questa è solo una delle mie molte domande durante la lettura tokenizer.py.

Dalla documentazione :

L' @operatore (at) deve essere utilizzato per la moltiplicazione di matrici. Nessun tipo di Python incorporato implementa questo operatore.

L' @operatore è stato introdotto in Python 3.5. @=è la moltiplicazione di matrici seguita da assegnazione, come ci si aspetterebbe. Essi mappano __matmul__, __rmatmul__o __imatmul__simile a come +e +=mappano __add__, __radd__o __iadd__.

L'operatore e la logica alla base sono discussi in dettaglio in PEP 465 .

@=e @sono nuovi operatori introdotti in Python 3.5 che eseguono la moltiplicazione di matrici . Esse hanno lo scopo di chiarire la confusione che esisteva finora con l'operatore *che era usata sia per la moltiplicazione degli elementi che per la moltiplicazione della matrice a seconda della convenzione impiegata in quel particolare codice / libreria. Di conseguenza, in futuro l'operatore *è destinato esclusivamente alla moltiplicazione degli elementi.

Come spiegato in PEP0465 , sono stati introdotti due operatori:

• Un nuovo operatore binario A @ B, usato in modo simile aA * B
• Una versione sul posto A @= B, usata allo stesso modo diA *= B

Moltiplicazione di matrici vs moltiplicazione di elementi

Per evidenziare rapidamente la differenza, per due matrici:

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

• La moltiplicazione degli elementi produrrà:

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

• La moltiplicazione della matrice produrrà:

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

Utilizzo in Numpy

Finora Numpy ha usato la seguente convenzione:

• l' *operatore (e gli operatori aritmetici in generale) sono stati definiti come operazioni sagge sugli elementi su ndarrays e come moltiplicazione di matrici sul tipo numpy.matrix .

• metodo / funzione è dot stata utilizzata per la moltiplicazione di matrici di ndarrays

L'introduzione @dell'operatore semplifica la lettura del codice relativo alle moltiplicazioni delle matrici. PEP0465 ci dà un esempio:

# 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)

Chiaramente, l'ultima implementazione è molto più facile da leggere e interpretare come un'equazione.

@ è il nuovo operatore per Matrix Multiplication aggiunto in Python3.5

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

Esempio

C = A @ B