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

在Python 3.5中，可以将@重载为运算符。它被命名为__matmul__，因为它被设计用于矩阵乘法，但它可以是任何你想要的。详见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]]

@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

它表示您正在使用装饰器。这是布鲁斯·埃克尔2008年的例子。

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

从Python 3.5开始，“@”用作矩阵乘法的专用中缀符号（PEP 0465——请参见https://www.python.org/dev/peps/pep-0465/)