반응형

Java에서 String형 문자열을 배열로 변환하는 방법은 다양한 방법이 있지만, 가장 간단하고 일반적인 방법은 toCharArray() 메서드를 사용하는 것입니다. 이 메서드는 String 객체를 char 배열로 변환하여 반환합니다.

 

1. String.toCharArray() 메서드 사용하기

String str = "Hello, World!";
char[] charArray = str.toCharArray();

 

위의 예제에서는 String 클래스의 toCharArray() 메서드를 사용하여 String 객체 str을 char 배열 charArray로 변환합니다. 이렇게 하면 charArray에는 str의 모든 문자가 저장됩니다.

 

또 다른 방법은 String 객체를 한 문자씩 분리하여 char 배열에 저장하는 것입니다. 이 방법은 charAt() 메서드를 사용하여 String 객체의 각 문자를 가져와서 char 배열에 할당합니다. 다음은 이 방법의 예제입니다.

 

2. String의 charAt() 메서드를 사용하여 각 문자를 배열로 복사하기

String str = "Hello, World!";
char[] charArray = new char[str.length()];
for (int i = 0; i < str.length(); i++) {
    charArray[i] = str.charAt(i);
}

 

두 가지 방법 모두 String 객체를 char 형식의 배열로 변환할 수 있습니다. 둘 중 어느 방법을 사용하든, 반환된 char 배열은 각 문자열의 문자를 갖습니다.

 

3. String 변수를 String 배열로 만들기

String str = "Hello, World!";
String[] strArray = new String[str.length()];
for (int i = 0; i < str.length(); i++) {
    strArray[i] = Character.toString(str.charAt(i));
}

 

이 코드에서는 String 객체 str의 길이를 사용하여 char 배열 charArray를 만들고, for 루프를 사용하여 str의 각 문자를 가져와서 해당 char 값을 charArray 배열에 할당합니다.

 

이 방법의 장점은 charAt() 메서드를 사용하여 String 객체의 각 문자에 대한 제어를 제공하는 것입니다. 예를 들어, charAt() 메서드를 사용하여 String 객체에서 특정 위치의 문자를 가져오거나, 문자열을 반전시키거나, 문자열의 일부를 추출할 수 있습니다. 이러한 기능을 사용하여 문자열을 조작하고 char 배열로 변환할 수 있습니다.

 

그러나 charAt() 메서드를 반복적으로 호출하면 성능 저하가 발생할 수 있습니다. 따라서 문자열이 매우 크거나 빠른 실행이 필요한 경우 toCharArray() 메서드를 사용하는 것이 좋습니다.

 

이렇게 해서, 자바 String형 문자를 배열로 변환할 수 있습니다.

 

반응형
반응형

@notepad_jj2

츄르사려고 코딩하는 코집사입니다.


1. Seaborn이란?

1) matplotlib를 기반으로 한 파이썬 데이터 시각화 라이브러리

2) 매력적이고 유익한 통계 그래픽을 그리기 위한 High-level의 인터페이스 제공

 

2. Seaborn plot 종류

- 예제 데이터는 seaborn 라이브러리에서 제공하는 iris 데이터를 사용했습니다.

from matplotlib import pyplot as plt
import seaborn as sns

iris = sns.load_dataset('iris')

iris.head()

 

1) regplot

- regplot은 선형회귀분석처럼 데이터들의 선형성을 확인할 수 있습니다.

ax = sns.regplot(x='sepal_length', y='sepal_width', data = iris)
ax.set_xlabel('sepal_length')
ax.set_ylabel('sepal_width')
ax.set_title('iris regplot')

 

2) jointplot

- regplot처럼 선형성은 확인할 수 없지만, 점 데이터 분포를 확인할 수 있고, 바깥쪽 그래프에서 막대그래프도 밀집도를 확인할 수 있다.

ax = sns.jointplot(x='sepal_length', y='sepal_width', data = iris)

 

3) kde

- 기상예보의 등고선 형태로 데이터의 밀집 정도를 확인할 수 있다.

kde, ax = plt.subplots()
ax = sns.kdeplot(data=iris['sepal_length'],
           data2=iris['sepal_width'],
           shade=True)

 

4) barplot

ax = sns.barplot(x = 'species', y = 'sepal_width', data = iris)

 

5) boxplot

ax = sns.boxplot(x = 'species', y = 'sepal_width', data = iris)

 

6) pairplot

ax = sns.pairplot(data = iris)

 

7) countplot

ax = sns.countplot(x = 'species', data = iris)

반응형

+ Recent posts