在python中，`@=`作用在左边还是右边？
In python, does `@=` act on the left or the right?
对我来说很明显 vector @= matrix 应该表示 vector = matrix @ vector，这与大多数其他二元运算符的做法相反。不幸的是，PEP 465 完全省略了对此的任何讨论；它仅说明 @ 运算符是左关联的，并且 @= 运算符对应于 __imatmul__ 函数。
据推测，覆盖意味着数字库可以根据需要选择此行为，但这留下了三个密切相关的问题：
- 如果未明确提供
__imatmul__，但 __matmul__ 和 __rmatmul__ 是，默认行为是什么？
- PEP 作者的意图是什么？
- numpy 等数值库选择了哪些行为来实现？
与任何其他增强赋值运算符一样，x @= y 是 x = x @ y.
的就地-if-x-支持版本
x = y @ x 对你来说可能是显而易见的，但我认为除了 x = x @ y 之外没有其他任何东西被认为是一个严肃的选择，而且我认为没有任何主要的数学库已经实现任何像你期望的那样。 sympy.Matrix 将其实现为 x = x @ y（非可变，无 __imatmul__），numpy.ndarray 表示
TypeError: In-place matrix multiplication is not (yet) supported. Use 'a = a @ b' instead of 'a @= b'.
（使用 NumPy 1.19.5 和 1.21.5 进行检查）。
请注意，NumPy 为“向量@矩阵”操作定义了一个有用的含义。 NumPy 不强制数组是二维的，因此 NumPy 中最常见的向量表示是一维数组，而不是列向量。一维数组的行为类似于“向量@矩阵”操作中的行向量，但结果将是一维而不是行向量。
对我来说很明显 vector @= matrix 应该表示 vector = matrix @ vector，这与大多数其他二元运算符的做法相反。不幸的是，PEP 465 完全省略了对此的任何讨论；它仅说明 @ 运算符是左关联的，并且 @= 运算符对应于 __imatmul__ 函数。
据推测，覆盖意味着数字库可以根据需要选择此行为，但这留下了三个密切相关的问题：
- 如果未明确提供
__imatmul__，但__matmul__和__rmatmul__是，默认行为是什么？ - PEP 作者的意图是什么？
- numpy 等数值库选择了哪些行为来实现？
与任何其他增强赋值运算符一样，x @= y 是 x = x @ y.
x-支持版本
x = y @ x 对你来说可能是显而易见的，但我认为除了 x = x @ y 之外没有其他任何东西被认为是一个严肃的选择，而且我认为没有任何主要的数学库已经实现任何像你期望的那样。 sympy.Matrix 将其实现为 x = x @ y（非可变，无 __imatmul__），numpy.ndarray 表示
TypeError: In-place matrix multiplication is not (yet) supported. Use 'a = a @ b' instead of 'a @= b'.
（使用 NumPy 1.19.5 和 1.21.5 进行检查）。
请注意，NumPy 为“向量@矩阵”操作定义了一个有用的含义。 NumPy 不强制数组是二维的，因此 NumPy 中最常见的向量表示是一维数组，而不是列向量。一维数组的行为类似于“向量@矩阵”操作中的行向量，但结果将是一维而不是行向量。