Python 中的“at”(@) 符号有什么作用？

一行开头处的 @ 符号用于类和函数装饰器：

PEP 318：装饰器

Python 装饰器

最常见的 Python 装饰器是：

@财产

@classmethod

@静态方法

一行中间中的 @ 可能是矩阵乘法：

@ 作为二元运算符。

---

例子

class Pizza(object):
    def __init__(self):
        self.toppings = []

    def __call__(self, topping):
        # When using '@instance_of_pizza' before a function definition
        # the function gets passed onto 'topping'.
        self.toppings.append(topping())

    def __repr__(self):
        return str(self.toppings)

pizza = Pizza()

@pizza
def cheese():
    return 'cheese'
@pizza
def sauce():
    return 'sauce'

print pizza
# ['cheese', 'sauce']

这表明您在 decorator 之后定义的 function/method/class 基本上只是作为 argument 立即传递给 function/method @ 符号。

初见

微框架 Flask 从一开始就以以下格式引入装饰器：

from flask import Flask
app = Flask(__name__)

@app.route("/")
def hello():
    return "Hello World!"

这反过来又转化为：

rule      = "/"
view_func = hello
# They go as arguments here in 'flask/app.py'
def add_url_rule(self, rule, endpoint=None, view_func=None, **options):
    pass

意识到这一点终于让我对 Flask 感到安心。

---

此代码片段：

def decorator(func):
   return func

@decorator
def some_func():
    pass

相当于这段代码：

def decorator(func):
    return func

def some_func():
    pass

some_func = decorator(some_func)

在装饰器的定义中，您可以添加一些函数通常不会返回的已修改内容。

---

在 Python 3.5 中，您可以将 @ 重载为运算符。它被命名为 __matmul__，因为它被设计用来做矩阵乘法，但它可以是你想要的任何东西。有关详细信息，请参阅 PEP465。

这是矩阵乘法的简单实现。

class Mat(list):
    def __matmul__(self, B):
        A = self
        return Mat([[sum(A[i][k]*B[k][j] for k in range(len(B)))
                    for j in range(len(B[0])) ] for i in range(len(A))])

A = Mat([[1,3],[7,5]])
B = Mat([[6,8],[4,2]])

print(A @ B)

此代码产生：

[[18, 14], [62, 66]]

---

Python 中的“at”(@) 符号有什么作用？

简而言之，它用于装饰器语法和矩阵乘法。

在装饰器的上下文中，此语法：

@decorator
def decorated_function():
    """this function is decorated"""

相当于：

def decorated_function():
    """this function is decorated"""

decorated_function = decorator(decorated_function)

在矩阵乘法的上下文中，a @ b 调用 a.__matmul__(b) - 使用以下语法：

a @ b

相当于

dot(a, b)

和

a @= b

相当于

a = dot(a, b)

例如，其中 dot 是 numpy 矩阵乘法函数，而 a 和 b 是矩阵。

你怎么能自己发现这个？

我也不知道要搜索什么，因为搜索 Python 文档或包含 @ 符号时 Google 不会返回相关结果。

如果您想对特定的 Python 语法有一个相当完整的视图，请直接查看语法文件。对于 Python 3 分支：

~$ grep -C 1 "@" cpython/Grammar/Grammar 

decorator: '@' dotted_name [ '(' [arglist] ')' ] NEWLINE
decorators: decorator+
--
testlist_star_expr: (test|star_expr) (',' (test|star_expr))* [',']
augassign: ('+=' | '-=' | '*=' | '@=' | '/=' | '%=' | '&=' | '|=' | '^=' |
            '<<=' | '>>=' | '**=' | '//=')
--
arith_expr: term (('+'|'-') term)*
term: factor (('*'|'@'|'/'|'%'|'//') factor)*
factor: ('+'|'-'|'~') factor | power

我们可以在这里看到 @ 在三种情况下使用：

装饰师

因子之间的算子

增广赋值运算符

装饰器语法：

谷歌搜索“decorator python docs”给出了最佳结果之一，即“Python 语言参考”的“复合语句”部分。向下滚动到 section on function definitions，我们可以通过搜索单词“decorator”找到它，我们看到......有很多要阅读的内容。但是，"decorator" is a link to the glossary 这个词告诉我们：

装饰器返回另一个函数的函数，通常使用@wrapper 语法作为函数转换应用。装饰器的常见示例是 classmethod() 和 staticmethod()。装饰器语法只是语法糖，以下两个函数定义在语义上是等价的： def f(...): ... f = staticmethod(f) @staticmethod def f(...): ... 同一个概念存在于类中，但在那里不太常用。有关装饰器的更多信息，请参阅函数定义和类定义的文档。

所以，我们看到

@foo
def bar():
    pass

在语义上与：

def bar():
    pass

bar = foo(bar)

它们并不完全相同，因为 Python 使用装饰器 (@) 语法在 bar 之前评估 foo 表达式（可能是点查找和函数调用），但评估 foo 表达式 after bar在另一种情况下。

（如果这种差异对代码的含义产生了影响，那么您应该重新考虑您在生活中所做的事情，因为那将是病态的。）

堆叠装饰器

如果我们回到函数定义语法文档，我们会看到：

@f1(arg) @f2 def func(): pass 大致等价于 def func(): pass func = f1(arg)(f2(func))

这是一个演示，我们可以首先调用作为装饰器的函数，以及堆栈装饰器。在 Python 中，函数是第一类对象——这意味着您可以将函数作为参数传递给另一个函数，并返回函数。装饰器做这两件事。

如果我们堆叠装饰器，则定义的函数首先被传递给它上面的装饰器，然后是下一个，依此类推。

这大概总结了装饰器上下文中 @ 的用法。

运营商， @

在语言参考的词法分析部分，我们有一个 section on operators，其中包括 @，这使得它也是一个运算符：

以下标记是运算符： + - * ** / // % @ << >> & | ^ ~ < > <= >= == !=

在下一页，数据模型中，我们有 Emulating Numeric Types 部分，

object.__add__(self, other) object.__sub__(self, other) object.__mul__(self, other) object.__matmul__(self, other) object.__truediv__(self, other) object.__floordiv__(self, other) [. ..] 调用这些方法来实现二进制算术运算（+、-、*、@、/、//、[...]

我们看到 __matmul__ 对应于 @。如果我们在文档中搜索“matmul”，我们会在标题“PEP 465 - 矩阵乘法的专用中缀运算符”下找到一个指向“matmul”的 What's new in Python 3.5 链接。

它可以通过定义 __matmul__()、__rmatmul__() 和 __imatmul__() 来实现常规、反射和就地矩阵乘法。

（所以现在我们知道 @= 是就地版本）。它进一步说明：

矩阵乘法在数学、科学、工程的许多领域中是一种非常常见的运算，加上 @ 可以编写更简洁的代码：S = (H @ beta - r).T @ inv(H @ V @ HT) @ (H @ beta - r) 代替：S = dot((dot(H, beta) - r).T, dot(inv(dot(dot(H, V), HT)), dot(H, beta) - r ))

虽然此运算符几乎可以重载以执行任何操作，但例如在 numpy 中，我们将使用此语法来计算数组和矩阵的内积和外积：

>>> from numpy import array, matrix
>>> array([[1,2,3]]).T @ array([[1,2,3]])
array([[1, 2, 3],
       [2, 4, 6],
       [3, 6, 9]])
>>> array([[1,2,3]]) @ array([[1,2,3]]).T
array([[14]])
>>> matrix([1,2,3]).T @ matrix([1,2,3])
matrix([[1, 2, 3],
        [2, 4, 6],
        [3, 6, 9]])
>>> matrix([1,2,3]) @ matrix([1,2,3]).T
matrix([[14]])

就地矩阵乘法：@=

在研究先前的用法时，我们了解到还有就地矩阵乘法。如果我们尝试使用它，我们可能会发现它还没有为 numpy 实现：

>>> m = matrix([1,2,3])
>>> m @= m.T
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: In-place matrix multiplication is not (yet) supported. Use 'a = a @ b' instead of 'a @= b'.

实施后，我希望结果如下所示：

>>> m = matrix([1,2,3])
>>> m @= m.T
>>> m
matrix([[14]])

---

Python 中的“at”(@) 符号有什么作用？

@ 符号是 Python 提供的一种语法糖，用于利用 decorator,
来解释问题，这正是装饰器在 Python 中的作用？

简单地说 decorator 允许您修改给定函数的定义，而无需触及其最里面（它是闭包）。
这是您从第三方导入精彩包的大多数情况。你可以想象它，你可以使用它，但你无法触及它的内心和内心。

这是一个简单的示例，
假设我在 Ipython 上定义了一个 read_a_book 函数

In [9]: def read_a_book():
   ...:     return "I am reading the book: "
   ...: 
In [10]: read_a_book()
Out[10]: 'I am reading the book: '

你看，我忘了给它加个名字。如何解决这样的问题？当然，我可以将函数重新定义为：

def read_a_book():
    return "I am reading the book: 'Python Cookbook'"

然而，如果不允许我操作原始函数，或者有成千上万个这样的函数需要处理，该怎么办。

换个思路解决问题，定义一个new_function

def add_a_book(func):
    def wrapper():
        return func() + "Python Cookbook"
    return wrapper

然后使用它。

In [14]: read_a_book = add_a_book(read_a_book)
In [15]: read_a_book()
Out[15]: 'I am reading the book: Python Cookbook'

多田，你看，我修改了 read_a_book 而没有触及它的内部封闭。没有什么能阻止我配备 decorator。

@ 怎么样

@add_a_book
def read_a_book():
    return "I am reading the book: "
In [17]: read_a_book()
Out[17]: 'I am reading the book: Python Cookbook'

@add_a_book 是 read_a_book = add_a_book(read_a_book) 的一种花哨且方便的说法，它是一种语法糖，没有什么比它更花哨的了。

---

如果您指的是使用 Numpy 库的 python 笔记本中的某些代码，则 @ operator 表示 矩阵乘法。例如：

import numpy as np
def forward(xi, W1, b1, W2, b2):
    z1 = W1 @ xi + b1
    a1 = sigma(z1)
    z2 = W2 @ a1 + b2
    return z2, a1

---

在 Python 中添加了装饰器以使函数和方法包装（一种接收函数并返回增强函数的函数）更易于阅读和理解。最初的用例是能够将方法定义为类方法或静态方法。如果没有装饰器语法，它将需要一个相当稀疏和重复的定义：

class WithoutDecorators:
def some_static_method():
    print("this is static method")
some_static_method = staticmethod(some_static_method)

def some_class_method(cls):
    print("this is class method")
some_class_method = classmethod(some_class_method)

如果装饰器语法用于相同目的，则代码更短且更易于理解：

class WithDecorators:
    @staticmethod
    def some_static_method():
        print("this is static method")

    @classmethod
    def some_class_method(cls):
        print("this is class method")

一般语法和可能的实现

装饰器通常是一个命名对象（不允许使用 lambda 表达式），它在调用时接受单个参数（它将是装饰函数）并返回另一个可调用对象。这里使用“可调用”而不是带有预谋的“函数”。虽然装饰器经常在方法和函数的范围内讨论，但它们并不限于它们。事实上，任何可调用的东西（任何实现 _call__ 方法的对象都被认为是可调用的），都可以用作装饰器，并且它们返回的对象通常不是简单的函数，而是实现自己的 __call_ 方法的更复杂类的更多实例。

装饰器语法只是一个语法糖。考虑以下装饰器的用法：

@some_decorator
def decorated_function():
    pass

这总是可以用显式的装饰器调用和函数重新分配来代替：

def decorated_function():
    pass
decorated_function = some_decorator(decorated_function)

但是，后者的可读性较差，并且如果在单个函数上使用多个装饰器也很难理解。装饰器可以以多种不同的方式使用，如下所示：

作为一个函数

编写自定义装饰器的方法有很多，但最简单的方法是编写一个函数，该函数返回一个包装原始函数调用的子函数。

通用模式如下：

def mydecorator(function):
    def wrapped(*args, **kwargs):
        # do some stuff before the original
        # function gets called
        result = function(*args, **kwargs)
        # do some stuff after function call and
        # return the result
        return result
    # return wrapper as a decorated function
    return wrapped

作为一个班级

虽然装饰器几乎总是可以使用函数来实现，但在某些情况下使用用户定义的类是更好的选择。当装饰器需要复杂的参数化或依赖于特定状态时，这通常是正确的。

作为一个类的非参数化装饰器的通用模式如下：

class DecoratorAsClass:
    def __init__(self, function):
        self.function = function

    def __call__(self, *args, **kwargs):
        # do some stuff before the original
        # function gets called
        result = self.function(*args, **kwargs)
        # do some stuff after function call and
        # return the result
        return result

参数化装饰器

在实际代码中，经常需要使用可以参数化的装饰器。当函数用作装饰器时，解决方案很简单——必须使用第二层包装。下面是一个装饰器的简单示例，它在每次调用装饰函数时重复执行指定次数：

def repeat(number=3):
"""Cause decorated function to be repeated a number of times.

Last value of original function call is returned as a result
:param number: number of repetitions, 3 if not specified
"""
def actual_decorator(function):
    def wrapper(*args, **kwargs):
        result = None
        for _ in range(number):
            result = function(*args, **kwargs)
        return result
    return wrapper
return actual_decorator

以这种方式定义的装饰器可以接受参数：

>>> @repeat(2)
... def foo():
...     print("foo")
...
>>> foo()
foo
foo

请注意，即使参数化装饰器的参数具有默认值，其名称后的括号也是必需的。使用带有默认参数的上述装饰器的正确方法如下：

>>> @repeat()
... def bar():
...     print("bar")
...
>>> bar()
bar
bar
bar

最后让我们看看带有属性的装饰器。

特性

这些属性提供了一个内置的 descriptor 类型，该类型知道如何将属性链接到一组方法。一个属性有四个可选参数： fget 、 fset 、 fdel 和 doc 。可以提供最后一个来定义链接到属性的文档字符串，就好像它是一个方法一样。这是一个 Rectangle 类的示例，可以通过直接访问存储两个角点的属性或使用 width 和 height 属性来控制它：

class Rectangle:
    def __init__(self, x1, y1, x2, y2):
        self.x1, self.y1 = x1, y1
        self.x2, self.y2 = x2, y2

    def _width_get(self):
        return self.x2 - self.x1

    def _width_set(self, value):
        self.x2 = self.x1 + value

    def _height_get(self):
        return self.y2 - self.y1

    def _height_set(self, value):
        self.y2 = self.y1 + value

    width = property(
        _width_get, _width_set,
        doc="rectangle width measured from left"
    )
    height = property(
        _height_get, _height_set,
        doc="rectangle height measured from top"
    )

    def __repr__(self):
        return "{}({}, {}, {}, {})".format(
            self.__class__.__name__,
            self.x1, self.y1, self.x2, self.y2
    )

创建属性的最佳语法是使用属性作为装饰器。这将减少类内部方法签名的数量，并使代码更具可读性和可维护性。使用装饰器，上述类变为：

class Rectangle:
    def __init__(self, x1, y1, x2, y2):
        self.x1, self.y1 = x1, y1
        self.x2, self.y2 = x2, y2

    @property
    def width(self):
        """rectangle height measured from top"""
        return self.x2 - self.x1

    @width.setter
    def width(self, value):
        self.x2 = self.x1 + value

    @property
    def height(self):
        """rectangle height measured from top"""
        return self.y2 - self.y1

    @height.setter
    def height(self, value):
        self.y2 = self.y1 + value

---

从 Python 3.5 开始，“@”用作 MATRIX MULTIPLICATION 的专用中缀符号（PEP 0465 -- 参见 https://www.python.org/dev/peps/pep-0465/）

---

@ 可以是数学运算符或 DECORATOR，但您的意思是装饰器。

这段代码：

def func(f):
    return f

func(lambda :"HelloWorld")()

使用装饰器可以写成：

def func(f):
    return f
@func
def name():
    return "Hello World"

name()

装饰器可以有参数。

您可以看到此 GeeksforGeeks 帖子：https://www.geeksforgeeks.org/decorators-in-python/

---

它表明您正在使用装饰器。这是 2008 年的 Bruce Eckel's example。

---

Python 装饰器就像一个函数或类的包装器。还是太概念化了。

def function_decorator(func):
    def wrapped_func():
        # Do something before the function is executed
        func()
        # Do something after the function has been executed
    return wrapped_func

上面的代码是装饰函数的装饰器的定义。 function_decorator 是装饰器的名称。

Wrapped_func 是内部函数的名称，实际上只在这个装饰器定义中使用。 func 是被修饰的函数。在内部函数 Wrapped_func 中，我们可以在调用 func 之前和之后执行任何操作。装饰器定义好后，我们简单的使用如下。

@function_decorator
def func():
    pass

然后，每当我们调用函数 func 时，我们在装饰器中定义的行为也会被执行。

例子 ：

from functools import wraps

def mydecorator(f):
    @wraps(f)
    def wrapped(*args, **kwargs):
        print "Before decorated function"
        r = f(*args, **kwargs)
        print "After decorated function"
        return r
    return wrapped

@mydecorator
def myfunc(myarg):
    print "my function", myarg
    return "return value"

r = myfunc('asdf')
print r

输出 ：

    Before decorated function
    my function asdf
    After decorated function
    return value

---

用不同的方式说别人有什么：是的，它是一个装饰器。

在 Python 中，它就像：

创建一个函数（在@调用下）调用另一个函数来操作你创建的函数。这将返回一个新函数。您调用的函数是@ 的参数。用返回的新函数替换定义的函数。

这可以用于各种有用的事情，因为函数是对象而只是必要的指令。

---

@ 符号还用于访问 plydata / pandas 数据框查询 pandas.DataFrame.query 中的变量。例子：

df = pandas.DataFrame({'foo': [1,2,15,17]})
y = 10
df >> query('foo > @y') # plydata
df.query('foo > @y') # pandas

---

https://python.plainenglish.io/at-symbol-in-python-d3f9c1825af5

@ 可用于 python 中的矩阵乘法和装饰器。

检查上面

---