【Java基础】java学习之旅04-数据类型转换及运算

Java基础知识点梳理 虽然已经在实际工作中经常与java打交道,但是一直没系统地对java这门语言进行梳理和总结,掌握的知识也比较零散。恰好利用这段时间重新认识下java,并对一些常见的语法和知识点做个总结与回顾,一方面为了加深印象,方便后面查阅,一方面为了掌握好Android打下基础。 阅读详情
进制转换

常用的进制:

  • 二进制:BIN,1010
  • 八进制:OCT,012
  • 十进制:DEC,10
  • 十六进制:HEX,0xA

数据类型之间的转换
  1. 自动类型转换(隐式转换):
  • byte -> short -> int -> long -> float -> double
  • char -> int -> long -> float -> double
  1. 强制类型转换(显式转换):
    会导致精度丢失,甚至数据溢出。

例:

		int money = 100;
		
		double salary = money;// 由于精度不会丢失,所以可以自动转换。
		
		System.out.println(money);
		System.out.println(salary);
		
		int pay = (int) salary;// 由于精度会丢失,所以需要加上强制转换。
		
		System.out.println(pay);
		
		char c1 = 'A';
		int i1 = c1;
		System.out.println(i1);
		
		int i2 = 255;
		char c2 = (char) i2;// 根据ASCII编码将数字转换为字符
		System.out.println(c2);
		
		short s1 = 129;
		byte b1 = (byte) s1; // 如果强转后的类型不足以存放之前的数据大小,会出现数据溢出的现象。
		System.out.println(b1);
运算符
  • 赋值运算符: =
  • 算术运算符: + - * / % ++ – += -= *= /= %=
  • 关系运算符: > < >= <= == !=
  • 逻辑运算符: && || !
  • 位运算符(面向二进制): & | << >>
  • 条件运算符:三元表达式,三元运算符,三目运算符
  • 表达式1 条件运算符 表达式2 ? 表达式3 : 表达式4
  • 如果?号前面的判断结果为true,运算的结果是表达式3,否则运算结果是表达式4。

优先级:算术 > 关系 > 逻辑 > 赋值

例:

		
		int i = 1;
		int j = 2;
		int z1 = i + j;// 3
		int z2 = i - j;// -1
		int z3 = i / j;// 0
		int z4 = i % j;// 1
		double z5 = i / j;// 两个整数使用/表示取整
		double z6 = 1 / 2.0;// 如果有一个数字是浮点型,那么就是除法。
		double z7 = i * 1.0 / j;
		//System.out.println(z7);
		
		
		
		int i1 = 1;
		i1++;// 自加:i1 = i1 + 1
		System.out.println(i1);
		i1--;// 自减:i1 = i1 - 1
		System.out.println(i1);
		++i1;
		System.out.println(i1);
		--i1;
		System.out.println(i1);
		
		System.out.println(i1++);// 先打印再++
		System.out.println(++i1);// 先++再打印
		
		int i2 = i1++;// 先赋值再++
		int i3 = ++i1;// 先++再赋值
		System.out.println(i2);
		System.out.println(i3);
		
		
		
		int i4 = 5;
		i4+=5;// i4 = i4 + 5
		System.out.println(i4);
		i4/=3;// i4 = i4 / 3
		System.out.println(i4);
		i4%=3;// i4 = i4 % 3
		System.out.println(i4);
		
		
		
		int i5 = 5;
		int i6 = 4;
		
		System.out.println(i5 == i6);
		boolean bool1 = i5 > i6;
		System.out.println(bool1);
		System.out.println(i5 != i6);
		System.out.println(i5 >= i6);
		
		
		
		boolean bool2 = true;
		boolean bool3 = false;
		System.out.println(bool2 && bool3);// 与,前后都要成立
		System.out.println(bool2 || bool3);// 或,前后有一个成立
		System.out.println(!bool2);//非,取反
		
		System.out.println(bool2 & bool3);
		System.out.println(bool2 | bool3);
		
		int i7 = 8;
		int i8 = 6;
		
		//System.out.println((i7 += 1) > i8 && i7 < (i8 += 6));// true
		//System.out.println(i7);// 9
		//System.out.println(i8);// 12
		
		// 短路||
		//System.out.println((i7 += 1) > i8 || i7 < (i8 += 6));// true
		//System.out.println(i7);// 9
		//System.out.println(i8);// 6
		
		// 短路&&
		//System.out.println((i7 += 1) < i8 && i7 < (i8 += 6));// false
		//System.out.println(i7);// 9
		//System.out.println(i8);// 6
		
		// 按位&
		System.out.println((i7 += 1) < i8 & i7 < (i8 += 6));// false
		System.out.println(i7);// 9
		System.out.println(i8);// 12
		
		
		
		int i9 = 6;
		int i10 = 8;
		
		int i11 = i9 > i10 ? i9 : i10;
		System.out.println(i11);
		
		//位运算符:左移和右移
		int a = 16;
		//16 -> 10000
		//10000 << 1 = 100000
		//100000 -> 32
		System.out.println(a << 1);// 32 = 16 * 2^1
		System.out.println(a << 2);// 64 = 16 * 2^2
		System.out.println(a << 3);// 128 = 16 * 2^3
		
		System.out.println(a >> 2);// 4 = 16 / 2^2
		

总结

数据类型的转换需要熟记由小到大的过程,从大转成小的数据类型会出现精度的丢失所以需要强制类型的转化,数据之间的运算与正常的数学运算类似

SAP Business One自定义表与字段实战:从零构建企业专属数据模型 本文详细介绍了如何在SAP Business One中创建自定义表与字段,从零构建企业专属数据模型。通过实战案例和避坑指南,帮助用户掌握业务适配、流程优化和权限隔离等关键技巧,提升系统灵活性和数据管理效率。特别适合需要扩展标准功能的SAP Business One用户。 阅读详情

相关推荐

【专业书1】量化交易——从入门到精通

股票季节性策略几乎失效了,但商品期货的仍有效,因为其季节性需求源于真实的经济需求而非投机。交易策略获利的前提:交易价格处于均值回归(低价时买入)或动量状态(降价时先做空后以更低价买入),否则在随机游走状态下是无法有效交易的。构建交易策略实际上是在决定:在特殊条件、特定时间尺度下价格趋势的呈现(均值回归/趋势走势),以及用什么价格作为初始判断的参考价格。如果以高夏普比率为目标,需要更高的交易频率:基于大数定律,押注越多,偏离均值收益的偏差就越小。买同比最好的股票,卖同比最差的股票。但在不同的时间尺度下可以。

weixin_44589682的博客 1545

JAVA的基本数据类型转换 和 运算符

基本数据类型,字符集,数据类型转换,运算符,三目运算符

weixin_48856643的博客 624

空间节省算法在Rowhammer防御中的应用与优化

空间节省算法(Space-Saving)是一种高效的流式数据处理算法,主要用于在有限内存条件下实时识别数据流中的高频项。其核心原理是通过维护固定大小的计数器表,动态跟踪最活跃的元素,适用于处理无限数据流场景。该算法在内存安全领域具有重要价值,特别是在Rowhammer攻击防御中,能够有效检测异常高频访问的DRAM行地址。通过结合计数器衰减策略(如DSAC)和混合架构设计,空间节省算法可以在保证低硬件开销的同时,提供高精度的攻击检测能力。这些技术已成功应用于现代DDR5内存控制器,展现出优异的工程实践价值。

weixin_31139479的博客 606

java类型转换

java数据类型转换

程序员阿龙的博客 8004

M1安装homebrew报错LibreSSL SSL_read: SSL_ERROR_SYSCALL, errno 54解决方法

在mac系统中,使用homebrew可以很方便的管理包。但按照官网的说明执行命令时总是报错原因是这个资源访问有问题,那么我们可以直接使用国内的镜像。给大家推荐一个中国科学技术大学的镜像站点,里面有各种资源https言归正传,开始踩坑。......

qq_42427085的博客 1454

ArcGIS Pro实战:用时空立方体分析共享单车轨迹数据(含3D可视化技巧)

本文详细介绍了在ArcGIS Pro中利用时空立方体技术分析共享单车轨迹数据的全流程。从数据预处理、构建时空立方体,到执行新兴时空热点分析,并最终实现动态3D可视化,手把手教你挖掘城市骑行活动的时空规律。文章重点解析了工具参数设置、常见报错解决方案,并提供了可复用的Python脚本,助力城市规划与交通研究者高效完成时空模式挖掘。

weixin_28323057的博客 136

Java——类型转换

类型转换分为和。

Stewie Lee的博客 6149

基于多智能体协作的量化交易研究框架TradingAgents详解

量化交易系统通过算法模型分析市场数据,旨在实现自动化投资决策。其核心原理在于利用计算机强大的数据处理能力,结合统计学和机器学习方法,从历史数据中挖掘可重复的盈利模式。这一技术的价值在于能够克服人类情绪干扰,实现纪律性交易,并快速处理海量信息。在应用场景上,量化策略广泛应用于股票、期货、外汇等多个金融市场。本文聚焦的TradingAgents框架,创新性地引入了**多智能体协作**和**对抗性验证**机制,通过模拟真实投研团队的分工与辩论流程,构建了一个研究友好、决策过程可解释的量化交易研究平台,为探索大语言

weixin_36019375的博客 431

Java类型转换

Java的数据类型转换

qq_53150000的博客 1867

网络工程师面试题汇总(二)

网络把主机连接起来,而互连网(internet)是把多种不同的网络连接起来,因此互连网是网络的网络。而互联网(Internet)是全球范围的互连网。因为网络层是整个互联网的核心,因此应当让网络层尽可能简单。网络层向上只提供简单灵活的、无连接的、尽最大努力交互的数据报服务。使用 IP 协议,可以把异构的物理网络连接起来,使得在网络层看起来好像是一个统一的网络。地址解析协议 ARP(Address Resolution Protocol)

悦分享 184

【stm32+K210项目】基于K210与STM32协同工作的智能垃圾分类系统设计与实现(完整工程资料源码)

本系统采用SG90舵机Maix Bit摄像头STM32C8T6主控板以及LX_TRIG_MP3_V6.0语音播报模块,构建了一套高效的智能垃圾分类系统,综合运用了图像识别、语音播报及精准控制技术。SG90舵机负责控制垃圾桶的开盖操作。该舵机通过接收PWM信号来实现转动,内部有一个基准电路产生周期为20ms的PWM信号,通过外部脉冲信号的控制(高电平时间在0.5ms至2.5ms之间),使得舵机的输出轴转动到指定位置。舵机内的位置反馈电位计。

嵌入式技术开发 5098

java中常见类型的转换以及方法总结

1.char和String之间的转换 1.1 char和String的区别 char是表示的是字符,定义的时候用单引号,只能存储一个字符。例如; char=‘d’. String表示的是字符串,定义的时候用双引号,可以存储一个或者多个字符。例如:String=“we are neuer”。 char是基本数据类型,而String是个类,属于引用数据类型。String类可以调用方法,具有面向对象的特征 1.2 String转换为char类型 在Java中将String转换为char是非常简单的。 使

jaredray的博客 1万+

基于深度学习的航拍图像中地物变化检测

随着无人机技术的飞速发展,航拍图像成为获取地表信息的重要手段之一。然而,由于地球表面的不断变化,监测和识别航拍图像中的地物变化成为一项具有挑战性的任务。在人工智能领域,深度学习技术的兴起为地物变化检测提供了全新的解决方案。本文将介绍基于深度学习的航拍图像中地物变化检测的方法,并附上相应的代码实例。

一键难忘的博客 4175

java基础学习笔记day04(常量、数据类型转换、运算符)

java基础学习笔记day04(常量、数据类型转换、运算符) 前言:上一次笔记说到变量,那么在java中除了变量还有常量,其实常量在项目开发中用的也很多,但是在一些书面上对常量的介绍很少很少,往后大家在项目中会很多的利用到常量,所以常量也是要好好学习的;那么在众多的常量类型中,区间有大有小,既然有小有大,就应该有互相转换的问题;那这些变量中的运算又是怎么运算的呢,除了我们数学中聊到的加减乘除还有什...

sosothing的博客 348

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

【Java基础知识 4】Java数据类型之间的转换、运算符

long 的取值范围在 -9,223,372,036,854,775,808(-2^63) 和 9,223,372,036,854,775,807(2^63 -1)(含)之间,默认值为 0。局部变量使用前必须初始化,否则会使程序不可控制,由于我们经常会忘记使用前初始化,so,基本上所有人都要求在定义的时候就初始化赋值,否则不赋值直接使用,编译器不通过。不是的,因为 Java 在编译程序时,必须明确的知道存储在栈里的东西的生命周期,否则就没法释放旧的内存来开辟新的内存空间存放引用——空间就那么大。

兴趣使然的编程菜鸟 1216

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

java 数据类型与运算符

1,左移一位,相当于原数字* 2,左移N位,相当于原数字*2的N次方2,右移一位,相当于原数字/2,右移N位,相当于原数字/2的N次方3,由于计算机移位效率高于计算乘除,当某个代码正好乘除2的N次方时,可以用移位运算代替4,移动负数位或者移位位数过大无意义5,三目运算符布尔表达式1?表达式2 : 表达式3如果表达式1为真,则返回表达式2的结果,否则返回表达式3的结果。

Harrybili的博客 2075

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

JAVA SE基础提要--02:数据类型及运算符

JAVA SE基础教程–02:数据类型及运算符 写在前面的话: ATFWUS原创,旨在分享编程知识,更多的人一起学习; 技术是开源的,知识是共享的! 有关此JAVA SE 基础系列说明: 已经有相关语言基础的可以着重看文章末尾的核心知识点和注意事项; 从入门开始学习的可以从上往下读,方便对知识的理解; 0x01.JAVA中相关名词说明 关键字:指在Java程序中具有特殊含义的单词,如public...

ATFWUS的博客 752

[Java学习笔记]04-Java基础语法之数据类型

当一个整数型字面量没有超出char的取值范围时,可以直接赋值给char类型的变量。

2301_76671476的博客 947

02—JAVA(基础)—(数据类型转换,运算符,方法)

目录01数据类型转换02运算符03方法拓展知识点 01数据类型转换 Java程序中要求参与的计算的数据,必须要保证数据类型的一致性,如果数据类型不一致将发生类型的转换 自动转换:将 取值范围小的类型 自动提升为 取值范围大的类型 转换规则:范围小的类型向范围大的类型提升, byte、short、char 运算时直接提升为 int。 强制类型转换:将 取值范围大的类型强制转换成取值范围...

480

Java基础02(数据类型转换、运算符、方法)

目录数据类型转换自动类型转换强制类型转换注意事项练习打字中...运算符加减乘除自增自减赋值比较逻辑三元注意事项方法注意事项 数据类型转换 自动类型转换 特点:代码不需要进行特殊处理 规则:数据范围从小到到大,特指数据类型范围,和数据类型的占用内存范围无关。 强制类型转换 一般不建议使用 注意事项 会造成精度损失>,例如2.5(float)–>2(int),或者数据溢出>; byte/short/char都可以进行数据运算,例如“+” byte/short/char会提升至int类型进

快乐学术猿 496

04-数据类型、自动类型转换、强制类型转换、算术运算符、逻辑运算符、比较运算符

数据类型 java数据类型分为基本数据类型和引用数据类型。 基本数据类型: 类型 占用字节 值域 byte 1 -128~127 short 2 -32768~32767 int 4 -2147483648~2147483647 long 8 -263~263-1 float 4 double 8 boolean 1 char 2 0~65535 ...

wiciked的博客 506

java八大基本数据类型与运算符

这里写目录标题变量和类型整型变量(重点)长整型变量双精度浮点型变量(重点)单精度浮点型变量字符类型变量字节类型变量短整型变量布尔类型变量字符串类型变量(重点)变量的作用域和变量的命名规则常量字面值常量final 关键字修饰的常量类型转换与数值提升三级目录变量和类型 变量和类型 变量指的是用于存储可变数据的一个量,程序运行前创建,程序运行时可变的量. 相当于开辟一块内存空间来保存一些数据. 类型则是对变量的种类进行了划分, 不同的类型的变量用于存储不同的数据,具有不同的属性.,这些变量是在计算机的内存储器上创

weixin_47792933的博客 1966

java基础学习笔记——day04(数据类型转换、常量、运算符)未完待续ing……

java基础学习笔记——day04 1. 类型转换 1.1 含义 在java中各个数据类型之间是可以互相转换的,我们将类型转换分为两种,一种称之为 自动转换 , 强制 转换 。 1.2 自动转换 类数据型之间可以进行自动转换 数值之间在进行四则运算时,数据类型会自动向大类型靠拢 通过各类型的储存空间来判断类型的大小 顺序: byte->short->int->long&gt...

TTHplus的博客 567

java条件运算符类型转换_java基础---3. 数据类型转换、运算符

1. 数据类型的转换当数据类型不一样时,将会发生数据类型转换自动类型转换(隐式)强制类型转换(显示)1.1 自动类型转换(隐式)特点:代码不需要进行特殊处理,自动完成规则:数据范围从小到大(与字节数未必相关)public class Demo01DataType {public static void main(String[] args) {System.out.println(1024);//...

weixin_42315341的博客 292

04-java基础语法(运算和Scanner)

运算符和Scanner 运算符 1.类型转换 +是一个运算符, 我们应该能够看懂,做数据的加法。 boolean类型不能转换为其他的数据类型 默认转换: 范围小的数据类型直接转换成范围大的数据类型转换规则byte,short,char—int—long—float—double 注意事项byte,short,char相互之间不转换,他们参与运算首先转换为int类型 格式: 范围大的数据类...

汉子一枚 751

04Java学习笔记——数据类型转换

当数据类型不同的变量进行赋值时,会发生数据类型转换。 数据类型转换有两种自动类型转换和强制类型转换。 自动类型你转换(隐式) 1.特点:代码不需要进行处理。 2.规则:数据范围从小到大。 public class Demo01DataType{ public static void main(String[]args){ System.out.println(1024); long...

林海 180
上一篇: 【Java基础】java学习之旅03-常量和Scanner类
下一篇: 【Java基础】java学习之旅05-循环结构
JeffHan^_^
博客等级 码龄7年 1万+粉丝 134原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JeffHan^_^

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值