Python中@是什么意思，怎么使用-群英

上一篇：Python的class和封装在实际中怎么应用下一篇：用Python怎么制作一个猜数字的小游戏

在实际应用中，我们有时候会遇到“Python中@是什么意思，怎么使用”这样的问题，我们该怎样来处理呢？下文给大家介绍了解决方法，希望这篇“Python中@是什么意思，怎么使用”文章能帮助大家解决问题。

一、表示修饰符。

可以在模块或者类的定义层内对函数进行修饰。出现在函数定义的前一行，不允许和函数定义在同一行。

一个修饰符就是一个函数，它将被修饰的函数作为参数，并返回修饰后的同名函数或其他可调用的东西（如果返回不是一个可调用的对象那么会报错）。

例1：

def funA(desA):
 print("It's funA")
 
def funB(desB):
 print("It's funB")
 
@funA
def funC():
 print("It's funC")

运行结果：

It's funA

例2：

可以看出，该例子中@test等价于 test(xxx())，但是这种写法你得考虑python代码的执行顺序。

def test(func):
    print("a")
    return func()
    
@test
def xxx():
    print('Hello world!')

运行结果：

a

Hello world!

例3：

为更深刻理解该用法，来个复杂点的嵌套型。

def funA(desA):
 print("It's funA")
 
 print('---')
 print(desA)
 desA()
 print('---')
 
def funB(desB):
 print("It's funB")
 
@funB
@funA
def funC():
 print("It's funC")

运行结果：

It's funA

---

<function funC at 0x00000252D2545550>

It's funC

---

It's funB

解析：

@funB 修饰装饰器@funA，@funA 修饰函数定义def funC()，将funC()作为funA()的参数，再将funA(funC())作为funB()的参数。执行的时候由上而下，先执行funA(funC())，再执行funB(funA(funC()))。注意，funC()并不执行，除非funA()函数中给出了执行funA()的代码。
打印desA，其传的是funC()的地址，即desA现在为函数desA()。执行desA()即执行funC()，desA=desA()=funC()。

二、表示矩阵乘法。

不常用。

例：

import torch
 
n=100
x = torch.ones(n,2)
x[:,0].uniform_(-1.,1)  # 第一列变换至(-1.,1) 之间
print(x[:5])  # 输出前5行
a = torch.tensor([3.,2.]) # 一维Tensor
print(a)
print(a.shape)
y = x@a
print(y)
print(y.shape)

输出结果：

tensor([[ 0.8230, 1.0000],

[ 0.2427, 1.0000],

[-0.7416, 1.0000],

[-0.1267, 1.0000],

[ 0.7767, 1.0000]])

tensor([3., 2.])

torch.Size([2])

tensor([ 4.4691, 2.7281, -0.2249, 1.6198, 4.3302, 3.3386, 1.9908, -0.8602,

4.9401, 1.9773, 4.5304, -0.1322, 3.9059, -0.6714, 1.8961, 3.7886,

0.8241, 4.4958, 2.2765, 2.0459, 3.6542, 3.0824, 2.8941, 1.0526,

4.8735, 1.4954, 3.0208, 4.0778, 2.3491, 2.2261, 3.1072, 1.0640,

1.7861, -0.8534, 3.2532, 1.5553, 0.2124, 3.6449, 1.6078, -0.1138,

4.2842, 3.7184, 2.2547, 3.4069, 3.6274, 0.4879, 1.4638, 3.9289,

3.3475, 4.1895, 1.5572, 0.8312, 2.9297, -0.9266, 0.4067, 2.5237,

0.6808, 4.9553, 3.3838, 0.5514, 4.8429, 0.0513, 3.4206, 0.3634,

4.7817, 3.0385, 2.3276, -0.0794, 3.4981, 4.3776, -0.8681, -0.4573,

3.6906, 1.2463, 1.4817, 4.0007, 4.7871, 2.5638, 4.2755, 3.1731,

3.4726, 2.1015, -0.8896, 1.4156, 1.2603, 4.0047, 3.3631, 3.5998,

3.2414, -0.1534, 3.6266, 0.3750, 4.4118, -0.0199, 1.6172, 3.2992,

-0.2325, 1.8240, 0.5580, 2.1420])

torch.Size([100])