기본 콘텐츠로 건너뛰기

벡터와 행렬에 관련된 그림들

코틀린 자료형 표현과 변환

Underscore의 적용

큰수를 표시할 경우 일반적으로는 100단위로 구분하여 나타냅니다.
1000,000,000
그러나 코딩시 위와 같은 표시는 에러를 발생합니다.
대신에 코틀린은 underscore를 사용합니다.

val a=1000_000_000
a
     res4: kotlin.Int = 1000000000

자료의 변환 

자료형은 자료가 저장되는 크기를 지정하는 것입니다. 이것은 작은 자료형은 큰 자료형의 포함된다는 의미는 아닙니다. 그러므로 자료형이 다르면 개별적으로 취급됩니다.
즉, 다른 자료형 사이의 연산이나 교환은 일어날 수 없습니다.
물론 자바, 파이썬등 다른 언어에서는 자동 변환이 일어나지만 코틀린의 경우 반드시 자료들의 연산을 위해서는 자료형을 일치시켜야 합니다.
예를들어 정수형인 변수값이 long 형인 변수에 직접적으로 할당되지 않습니다.

val a: Int=1
val b: Int?=a
println("a:$a, b:$b")
     a:1, b:1

a == b
     res8: kotlin.Boolean = true

val c: Long=a
c
     error: type mismatch: inferred type is Int but Long was expected val c: Long=a

위 결과와 같이 정수형과 long 형은 자료형이 다르기 때문에 에러가 발생합니다.
그러므로 위와 같은 과정은 자료형의 변환이 우선되어야 합니다.
val b: Byte = 1
val i: Int = b.toInt()
b
     res16: kotlin.Byte = 1
i
     res17: kotlin.Int = 1
//큰 자료형에서 작은 자료형으로 변환
val b: Int = 1
val i: Byte = b.toByte()
b
      res18: kotlin.Int = 1
i
      res19: kotlin.Byte = 1

큰 자료형에서 작은 자료형으로 변환하기 위해서 각 자료형의 범위내에서 실행해야 합니다.
문자 역시 근본은 정수에서 출발한 것으로 문자와 정수간에 상호변환이 가능합니다.
val a=69
 val b:Char=a.toChar()
 b
     res21: kotlin.Char = E

val c: Int=b.toInt()
 c
     res22: kotlin.Int = 69


이렇게 자료형간의 변환은 위에서 소개한 메소드는 다음과 같습니다.
메소드 내용
obj.toByte()      Byte로 변환
obj.toShort()      Short로 변환
obj.toInt()      Int로 변환
obj.toLong()      Long로 변환
obj.toLong()      Long로 변환
obj.toFloat()      Float로 변환
obj.toChar()      Char로 변환

val byte: Byte=10
val short:Short= byte.toShort() // byte →Short
short
      res22: kotlin.Short = 10

val int: Int=byte.toInt() // byte →Int
int
      res20: kotlin.Int = 10

Double int is Int
     res21: kotlin.Boolean = true

val long: Long= int.toLong() // Int → Long
long is Long
     res23: kotlin.Boolean = true

val float: Float= int.toFloat() // Int → Float
float
     res24: kotlin.Float = 10.0

float is Float
     res25: kotlin.Boolean = true

val double:Double=byte.toDouble() // Byte → Double
double
     res26: kotlin.Double = 10.0

double is Double
     res27: kotlin.Boolean = true

10진수를 2진수 또는 16진수로 변환하기 위해 다음 메소드를 적용합니다.

객체.toString(2) : 10 진수인 객체를 2 진수로 변환
객체.toString(16) : 10 진수인 객체를 16 진수로 변환

10.toString(2)  // 10진수 → 2진수
     res28: kotlin.String = 1010

15.toString(16) // 10진수 → 16진수
     res29: kotlin.String = f

위에서 다른 자료형을 연산하기 위해서는 반드시 일치시켜야 됨을 보였습니다.
그러나 코틀린의 경우 변수에 할당된 값에 따라 자료형을 유추합니다.
이 특성 때문에 자료형을 명시하지 않을 경우 자료간의 연산의 결과 역시 유추하여 결정됩니다.

10.toString(2)
     res28: kotlin.String = 1010

15.toString(16)
     res29: kotlin.String = f

val a=1
val b=a+0.3
b
     res25: kotlin.Double = 1.3

a is Int
      res26: kotlin.Boolean = true

b is Double
      res27: kotlin.Boolean = true

val c= 1/0.5
 c
     res28: kotlin.Double = 2.0

같은 종류의 자료형일 경우 더 큰 자료형으로 유추됩니다.

val l=20L+2
 l
     res29: kotlin.Long = 22

l is Int
     error: incompatible types: Int and Long

l is Long
     res31: kotlin.Boolean = true


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...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 $x^2=1$의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. $$x^2-1=0$$ import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$ 예 $x^4=1$의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$ 실수...