@符号

@作为修饰符

有如下代码

def funB(funA):
    print("in funB")
    return "return from FunB()"

@funB
def funA():
    print("in FunA")
    return "return from FunA()"

@funB​​等价于funB(funA)​​

​@funB​这里的funB​就是修饰函数，用来修饰输入进来的函数，所以funB​的参数是一个函数，也就是这里的funA​。直接运行以上代码，得到的输出如下：

in funB

也就是说，程序进入了funB​函数。

修饰函数返回的是修饰完的函数

重点啊！这是理解修饰符含义的核心！修饰函数返回的是修饰完的函数！！！
运行下面代码：

def funB(funA):
    print("in funB")
    return "return from FunB()"

# @funB
def funA():
    print("in FunA")
    return "return from FunA()"

print(funA)

没有修饰的情况下，funA​​理论上输出的是一个function对象。输出：

<function funA at 0x0000016CB7AD0CA0>

加上修饰后的结果：

in funB
return from FunB()

输出的第一行in funB​​是之前所说进入funB​​函数内print的内容；第二行就是print(funA)​​的输出结果，可见funA = "return from FunA()"​​，是一个字符串，而不是函数对象。

@作为运算符

用于向量、矩阵乘法，等价于np.dot​​：

import numpy as np

num1 = np.array([1,2,3])
num2 = np.array([[1,2,3]])
print(num1.shape)
print(num2.shape)
print('==============')
print(num1 @ num1)
print(num2 @ num2.T)
print(num2.T @ num2)
print('==============')
print(np.dot(num1, num1))
print(np.dot(num2, num2.T))
print(np.dot(num2.T, num2))

输出结果：

(3,)
(1, 3)
==============
14
[[14]]
[[1 2 3]
 [2 4 6]
 [3 6 9]]
==============
14
[[14]]
[[1 2 3]
 [2 4 6]
 [3 6 9]]

‍