기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

코틀린 연산자(1)

연산자 

코틀린에서는 +, * 등의 일반적인 연산자 구현이 가능하며 dot(.) 연산자의 형태로 적용 될 수 있습니다.
dot 연산자들은 operator 함수를 사용하여 재정의(overloading) 할 수 있습니다.

단항 연산자


연산자 dot 연산자 내용
+a a.unaryPlus() a*(+1)
-a a.unaryMinus() a*(-1)

fun main() {
     val a = -3
     println("a.unaryPlus(): "+a.unaryPlus())
     println("a.unaryMinus(): "+a.unaryMinus())
}
      a.unaryPlus(): -3
      a.unaryMinus(): 3

dot 연산자의 동작은 operator 함수를 사용하여 재정의된 것입니다.

operator fun Double.unaryMinus():Double=-this

-3.0.unaryMinus()
      res11: kotlin.Double = 3.0

증감 연산자

연산자 dot 연산자 내용
a++ a 자체 1 증가 (a값 변화)
++a a.inc() 1증가(a값은 변화 없음)
a-- 1감소 (a값 변화)
--a a.dec() 1 감소(a값은 변화없음)

a++, a--의 경우는 a 자체가 1증가 또는 감소를 의미하는 것에 반해
++a, --a의 경우는 증가 또는 감소된 값들이 반환되지만 객체 a 자체의 변화는 없습니다.

fun main() {
     var a =1
     println("a++: $\$${++a}")
     println("a 자체 증가:  $\$$a")
   
     var b=a.inc()
     println("a=++a:  $\$${b}")
     println("a는 변화없음:  $\$$a")

     var c =1
     println("c--:  $\$${--c}")
     println("c 자체 증가:  $\$$c")

     var d=c.inc()
     println("d=++c:  $\$${d}")
     println("c는 변화없음:  $\$$c")
}
      a++: 2
      a 자체 증가: 2
      a=++a: 3
      a는 변화없음: 2
      c--: 0
      c 자체 증가: 0
      d=++c: 1
      c는 변화없음: 0

산술 연산자

연산자 dot 연산자 내용
a+b a.plus(b) 덧셈
a-b a.minus(b) 뺄셈
a*b a.times(b) 곱셈
a/b a.div(b) 나눗셈
a%b a.rem(b) 나머지 반환
a..b a.rangeTo(b) [a, b]의 범위

fun main() {
     val a =1
     val b=3

     println("a.plus(b):  $\$${a.plus(b)}, a.minus(b):  $\$${a.minus(b)}")
     println("a.times(b):  $\$${a.times(b)}, a.div(b):  $\$${a.div(b)}")
     println("a.rem(b):  $\$${a.rem(b)}, a.rangeTo(b):  $\$${a.rangeTo(b)}")

     for(i in a.rangeTo(b)){
     println(i)
     }
}
      a.plus(b): 4, a.minus(b): -2
      a.times(b): 3, a.div(b): 0
      a.rem(b): 1, a.rangeTo(b): 1..3
      1
      2
      3

위 a.div(b)결과는 0입니다. 이것은 a, b 모두 Int 형이므로 결과 역시 Int 형이므로 정수부분만 반환되기 때문입니다.

문자열의 결합

위의 덧셈 연산자, "+", 는 문자열의 결합을 위한 연산자로 사용됩니다.
fun main() {
     val a: String="+ symbol"
     val b: String="concatenate"
     val c: String="strings"
     val d: String=a+" "+b+" "+ c+"."
 
   println(d)
}
      + symbol concatenate strings.

할당 연산자

연산자 dot 연산자 내용
a+=b a.plusAssign(b) a=a+b
a-=b a.minusAssign(b) a=a-b
a*=b a.timesAssign(b) a=a*b
a/=b a.divAssign(b) a=a/b
a%=b a.remAssign(b) a=a%b
a..b a.rangeTo(b) [a, b]의 범위

var a: Double=7.0
var b: Double=5.0
a+=b
a
      res34: kotlin.Double = 12.0

a-=b
a
      res35: kotlin.Double = 7.0

a*=b
a
      res37: kotlin.Double = 35.0

a/=b
a
      res39: kotlin.Double = 7.0

a%=b
a
      res40: kotlin.Double = 2.0

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...