À quoi sert le symbole «@ =» en Python?

je connais @ c'est pour les décorateurs, mais à quoi sert @=Python? Est-ce juste une réservation pour une idée future?

Ce n'est qu'une de mes nombreuses questions en lisant tokenizer.py.

De la documentation :

L' @opérateur (at) est destiné à être utilisé pour la multiplication matricielle. Aucun type Python intégré n'implémente cet opérateur.

L' @opérateur a été introduit dans Python 3.5. @=est la multiplication matricielle suivie de l'affectation, comme vous vous en doutez. Ils correspondent à __matmul__, __rmatmul__ou __imatmul__similaires à comment +et +=correspondent à __add__, __radd__ou __iadd__.

L'opérateur et les raisons qui le sous-tendent sont discutés en détail dans la PEP 465 .

@=et @sont de nouveaux opérateurs introduits dans Python 3.5 effectuant une multiplication matricielle . Ils visent à clarifier la confusion qui existait jusqu'à présent avec l'opérateur *qui était utilisé soit pour la multiplication élément par élément, soit pour la multiplication matricielle en fonction de la convention employée dans cette bibliothèque / code particulier. En conséquence, à l'avenir, l'opérateur *est destiné à être utilisé uniquement pour la multiplication élément par élément.

Comme expliqué dans PEP0465 , deux opérateurs ont été introduits:

• Un nouvel opérateur binaire A @ B, utilisé de la même manière queA * B
• Une version en place A @= B, utilisée de la même manière queA *= B

Multiplication matricielle vs multiplication par élément

Pour mettre rapidement en évidence la différence, pour deux matrices:

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

• La multiplication par élément donnera:

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

• La multiplication matricielle donnera:

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

Utilisation dans Numpy

Jusqu'à présent, Numpy a utilisé la convention suivante:

• l' *opérateur (et les opérateurs arithmétiques en général) ont été définis comme des opérations élément par élément sur les ndarrays et comme une multiplication matricielle sur le type numpy.matrix .

• méthode / fonction a dot été utilisée pour la multiplication matricielle des ndarrays

L'introduction de l' @opérateur rend le code impliquant des multiplications matricielles beaucoup plus facile à lire. PEP0465 nous donne un exemple:

# 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)

De toute évidence, la dernière implémentation est beaucoup plus facile à lire et à interpréter comme une équation.

@ est le nouvel opérateur pour Matrix Multiplication ajouté dans Python3.5

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

Exemple

C = A @ B