@作为修饰符
这是最难理解的一个含义。咱们看下面这个示例代码:
def funB(funA):
print("in funB")
return "return from FunB()"
@funB
def funA():
print("in FunA")
return "return from FunA()"
第一,@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。
第二,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!!!
在 上面的例子,funB
返回的是修改后的funA
函数,也就是说,修改后funA = "return from FunB()"
变成字符串了!!啥?你不信?运行下面代码看看结果!
def funB(funA):
print("in funB")
return "return from FunB()"
# @funB
def funA():
print("in FunA")
return "return from FunA()"
print(funA)
我们把@funB
注释掉,先看一下没有修饰的情况下,funA
是个什么东西。理论上输出的是一个function对象。输出:
<function funA at 0x0000016CB7AD0CA0>
果然没错。
再看看加上修饰后的结果:
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。
那如果我们希望输出的还是一个函数怎么办?按照刚才的逻辑,只要修饰函数funB
返回的还是一个函数即可。例如:
def funB(funA):
print("in funB")
return funA
@funB
def funA():
print("in FunA")
return "return from FunA()"
print(funA)
输出结果为:
in funB
<function funA at 0x0000019B3CCA0D30>
第三,先修饰后调用
刚才那些例子中,程序都没进入到funA
函数中,如果我们要在修饰后正常调用进入funA
怎么办?举个例子:
def funB(funA):
print("in funB")
return funA
@funB
def funA():
print("in FunA")
return "return from FunA()"
funA()
输出结果为:
in funB
in FunA
可见它的逻辑是:先运行到@funB
等价运行funB(funA)
,进入funB
后打印in funB
,返回的修饰后的函数还是funA
,然后再运行到最后一行的funA()
进入funA
函数内打印in funA
。总结来讲就是先修饰后调用
若我们把最后一行的funA()
改为print(funA())
,那么funA
函数返回的"return from FunA()"
字符串也会被打印出来,输出结果如下:
in funB
in FunA
return from FunA()
@作为运算符
用于向量、矩阵乘法,等价于np.dot
。直接看下面的例子:
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]]
自行体会~