기본 콘텐츠로 건너뛰기

[Linear Algebra] 직교적 투영(Orthogonal Projection)

[python] 리터럴(literal)

Literals(리터럴)

리터럴(literal)은 메모리에 입력되는 원시데이터(raw data) , 즉 자신을 참조하는 객체를 의미합니다. 파이썬에서는 다양한 타입의 리터럴이 존재합니다.

숫자형 리터럴

숫자형 리터럴에는 3가지 타입이 있습니다(표 1).

표 1 숫자형 리터럴
숫자형 리터럴 정수형 2진수, 8진수, 10진수, 그리고 16진수로 표시
실수형 3.14, 3e-2 등
복소수형 .imag: 허수부분, .real: 실수부분

a=100   #Int
a
 100
b=3.14  #float
b
 3.14
c=3e-3  #float, 3e-3 ==3*10-3
c
 0.003
d=3+3.14j  #complex
d
 (3+3.14j)
d.imag
 3.14
d.real
 3.0

문자형 리터럴(String)

문자형 리터럴은 일반적으로 단일, 이중 따옴표를 사용하여 나타냅니다. 문자열을 여러 줄로 나타낼 경우 삼중 따옴표로 나타냅니다.

ch='a'
ch2="b"
ch, ch2
('a', 'b')
st='한 줄에 문자열을 표시할 때 단일 또는 이중 따옴표를 사용합니다.'
print(st)
한 줄에 문자열을 표시할 때 단일 또는 이중 따옴표를 사용합니다.
st2="한 줄에 문자열을 표시할 때 단일 또는 이중 따옴표를 사용합니다."
print(st2)
한 줄에 문자열을 표시할 때 단일 또는 이중 따옴표를 사용합니다.
st3="""여러줄에 걸쳐
문자열을 표시할 경우
삼중 따옴표를 사용합니다."""
print(st3)
여러줄에 걸쳐
문자열을 표시할 경우
삼중 따옴표를 사용합니다.

Boolean literals

True 또는 False를 반환합니다. True =1, False=0으로 숫자형으로 전환될 수 있습니다.

x = (1 == True);x
True
y=3
y==x
False

위 코드에서 사용된 ==는 왼쪽과 오른쪽이 같음의 결과는 True 또는 False로 반환하는 연산자입니다.

a=True+4;a
5
b=False+4;b
4

None literals

파이썬에서 사용하는 자료의 유형은 기본적으로 수치형과 문자형으로 구분됩니다. 또한 한 개 이상의 값들을 그룹화하여 사용할 수 있는 리스트, 튜플, 사전(dictionary) 등의 고유한 자료형을 가집니다. 이러한 구분은 같은 자료형을 가진 데이터(들) 사이에서의 연산만이 가능하도록 하기 위한 것으로 거의 대부분의 자료형은 이들 고유한 영역들 중 하나에 포함됩니다. 그러나 이 고유한 자료형에 포함되지 않은 데이터들이 생성될 수 있습니다. 이와 같이 지정되지 않은 자료형의 객체는 평가될 수 없으며 None을 반환합니다. 즉, None은 평가할 수 없음을 의미하므로 다음과 같은 특성을 가집니다.

  • None는 0이 아닙니다.
  • 빈 문자열이 아닙니다.
  • 다른 모든 값과 비교는 자신을 제외하면 False를 반환합니다
None == "0"
False
print(None == None)
True
print(None is None)
True

이 블로그의 인기 게시물

유사변환과 대각화

내용 유사변환 유사행렬의 특성 대각화(Diagonalization) 유사변환(Similarity transformation) 유사변환 n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사하다고 하며 이 변환을 유사 변환 (similarity transformation)이라고 합니다. $$\begin{equation}\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B \end{equation}$$ 식 1의 유사 변환은 다음과 같이 고유값을 적용하여 특성 방정식 형태로 정리할 수 있습니다. $$\begin{align} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align}$$ 위 식의 행렬식은 다음과 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)\\ &= \t

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b