python @运算符|极客笔记

python @运算符

在Python中，@符号通常被称为装饰器（Decorator）符号，用于声明和使用装饰器。然而，在Python3.5版本中，@符号被引入了新的功能，即矩阵乘法运算符。

矩阵乘法运算符@

矩阵乘法运算符@用于执行矩阵乘法操作，简化了矩阵乘法的书写方式。在Python中，矩阵乘法操作通常使用numpy库进行，numpy提供了.dot()函数来实现矩阵乘法，但这种方式在书写上比较繁琐。使用@运算符可以更加直观和简洁地进行矩阵乘法。

下面是一个示例代码，演示了如何使用@运算符进行矩阵乘法：

import numpy as np

# 定义两个矩阵
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

# 使用@运算符进行矩阵乘法
result = A @ B

print(result)

输出为：

[[19 22]
 [43 50]]

从上面的示例可以看出，使用@运算符能够简单地实现两个矩阵的乘法，使得代码更加清晰易懂。

@运算符的工作原理

在Python中，@运算符的工作原理是通过特殊方法__matmul__来实现的。如果一个类定义了__matmul__方法，那么在该类的实例之间使用@运算符时，会调用该方法来进行计算。

下面是一个示例代码，定义了一个包含__matmul__方法的矩阵类：

class Matrix:
    def __init__(self, data):
        self.data = data

    def __matmul__(self, other):
        rows, cols = len(self.data), len(other.data[0])
        result = [[0 for _ in range(cols)] for _ in range(rows)]

        for i in range(rows):
            for j in range(cols):
                for k in range(len(other.data)):
                    result[i][j] += self.data[i][k] * other.data[k][j]

        return Matrix(result)

# 定义两个矩阵实例
A = Matrix([[1, 2], [3, 4]])
B = Matrix([[5, 6], [7, 8]])

# 使用@运算符进行矩阵乘法
result = A @ B
print(result.data)

输出为：