@符号还用于访问plydata/pandas数据帧查询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

用不同的方式来表达别人的想法：是的，这是一个装饰师。

在Python中，它类似于：

创建函数（在@call下面）调用另一个函数对创建的函数进行操作。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，只是必要的指令。

此代码段：

def decorator(func):
   return func

@decorator
def some_func():
    pass

相当于此代码：

def decorator(func):
    return func

def some_func():
    pass

some_func = decorator(some_func)

在装饰器的定义中，您可以添加一些通常不会由函数返回的修改后的内容。

行开头的@符号用于类和函数修饰符：

PEP 318：装饰Python装饰器

最常见的Python装饰器有：

@财产@分类法@静态方法

行中间的@可能是矩阵乘法：

@作为二进制运算符。

如果您引用的是python笔记本中使用Numpy库的一些代码，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

Python装饰器就像函数或类的包装器。这还是太概念化了。

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，实际上它只在这个decorator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。在定义了decorator之后，我们只需按如下方式使用它。

@function_decorator
def func():
    pass

然后，每当我们调用函数func时，我们在decorator中定义的行为也将被执行。

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