Для чого символ "@ =" у Python?

Я знаю, що @це для декораторів, але що @=в Python? Це просто застереження для якоїсь майбутньої ідеї?

Це лише одне з моїх численних питань під час читання tokenizer.py.

З в документації :

Оператор @(at) призначений для використання для матричного множення. Жоден вбудований тип Python не реалізує цей оператор.

@Оператор був введений в Python 3.5. @=- це множення матриць з подальшим призначенням, як ви очікували. Вони відображаються на __matmul__, __rmatmul__або __imatmul__подібно до того , як +і +=зіставити __add__, __radd__або __iadd__.

Оператор та обґрунтування, що стоять за ним, детально обговорюються в PEP 465 .

@=і @нові оператори, введені в Python 3.5, що виконують множення матриць . Вони призначені для уточнення плутанини, яка існувала досі, з оператором, *який використовувався або для мультиплікаційного множення, або для матричного множення, залежно від умовності, застосованої в цій конкретній бібліотеці / коді. Як результат, в майбутньому оператор *призначений використовуватись лише для елементарного множення.

Як пояснено в PEP0465 , було введено два оператори:

• Новий бінарний оператор A @ B, що використовується аналогічно якA * B
• Версія на місці A @= B, використовується аналогічно якA *= B

Матричне множення проти елементарного множення

Щоб швидко виділити різницю, для двох матриць:

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

• Елементне множення дасть результат:

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

• Матричне множення дасть:

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

Використання в Numpy

Поки Numpy використовував таку конвенцію:

• *оператор (і арифметичні операції в цілому) були визначені як поелементно операцій на ndarrays і в якості матриці-множення на numpy.matrix типу.

• метод / функція dot використовувались для матричного множення ndarrays

Введення @оператора значно полегшує зчитування коду, що включає множення матриць. PEP0465 дає нам приклад:

# 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)

Зрозуміло, що останню реалізацію набагато простіше читати та інтерпретувати як рівняння.

@ - новий оператор для множення матриць, доданий у Python3.5

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

Приклад

C = A @ B