前言
??就从数组开始,以后会一直更新算法。数组有下图这些知识点与技巧。本文主要讲解其中的前缀和知识点。
文章图片
?
思路
??适合的场景:原始数组不会被修改,且频繁查询某个区间的累加和。
??创建一个prefixSum数组,长度比原数组nums长度多1。prefixSum[i]存储nums[0]到nums[i]的和。
??尤其要注意prefixSum与nums的坐标换算,如下图所示。
文章图片
?
区域和检索 - 数组不可变(一维前缀和)
leetcode第303题
文章图片
解题思路
??常规思路是通过遍历i到j。但这样时间复杂度就是O(n)。
??采用前缀和。sumRange = prefixSum[right + 1] - prefixSum[left]
。注意原数组与前缀和数组的下标换算,例如nums[i]的前缀和是preSum[i + 1]。如下图所示。
文章图片
复杂度分析
??时间复杂度:初始化O(n),每次检索O(1),n是数组长度。
??空间复杂度:O(n)。
代码
class NumArray {
private int[] prefixSum;
public NumArray(int[] nums) {
prefixSum = new int[nums.length + 1];
for (int i = 0;
i < nums.length;
i++) {
prefixSum[i + 1] = prefixSum[i] + nums[i];
}
}
public int sumRange(int left, int right) {
return prefixSum[right + 1] - prefixSum[left];
}
}
?
二维区域和检索 - 矩阵不可变(二维前缀和) leetcode第304题
文章图片
文章图片
解题思路
??题中要求值设为下图中的红框部分,则有下图红框部分和 = 下图蓝框部分的和 - 下图绿框部分的和 - 下图黄框部分的和 + 下图灰框部分的和。
文章图片
??定义原二维数组的前缀和数组为preSum。则preSumi表示原数组中(0, 0)坐标与(i - 1, j - 1)坐标组成的矩形区域的和,如下图所示,紫色框对应的前缀和为17。
这里需要注意原数组与前缀和数组的坐标换算。比如原数组坐标为(i - 1, j - 1),则在前缀和数组中的坐标为(i, j)。
而上面一开始提到的蓝框的和,绿框的和,黄框的和,灰框的和的求法都一样。也就是对应位置二维数组的前缀和。
文章图片
??所以上图中紫色部分前缀和又如何求呢?答案:上图紫色部分前缀和 = 下图黄色部分前缀和 + 下图红色部分前缀和 - 重叠部分前缀和 + 原数组(i - 1, j - 1)位置的值 ,即
preSum[i][j] = preSum[i - 1][j] + preSum[i][j - 1] - preSum[i - 1][j - 1] + matrix[i - 1][j - 1] = 9 + 14 - 8 + 2 = 17
。文章图片
??所以只要求出原数组中每个位置的前缀和,就解决了本题。
复杂度分析
??时间复杂度:初始化O(rc),每次检索O(1),其中r与c分别为matrix的行数和列数。
??空间复杂度:O(rc)。
代码
class NumMatrix {
private int[][] preSum;
public NumMatrix(int[][] matrix) {
int r = matrix.length;
if (r == 0) {
return;
}
int c = matrix[0].length;
if (c == 0) {
return;
}
preSum = new int[r + 1][c + 1];
for (int i = 1;
i <= r;
i++) {
for (int j = 1;
j <= c;
j++) {
preSum[i][j] = preSum[i - 1][j] + preSum[i][j - 1] - preSum[i - 1][j - 1] + matrix[i - 1][j - 1];
}
}
}public int sumRegion(int row1, int col1, int row2, int col2) {
return preSum[row2 + 1][col2 + 1] - preSum[row1][col2 + 1] - preSum[row2 + 1][col1] + preSum[row1][col1];
}
}
?
和为 K 的子数组 leetcode第560题
文章图片
解题思路
??
思路
??常规思路是通过双重循环遍历前缀和数组,j < i,若当
preSum[j] + k == preSum[i]
时,说明数组从j - 1到i的和为k,则count++。但这样时间复杂度就是O(n^2)。??采用HashMap + 前缀和数组方式,时间复杂度可达到O(n)。
??由
preSum[j] + k == preSum[i]
移项得preSum[j] == preSum[i] - k
。所以只要统计有多少个前缀和为preSum[i] - k即可以统计出有多少个子串的和为k。??建立map,其中key=preSum[i],value=https://www.it610.com/article/满足preSum[i] - k的preSum[j]有多少个(有多少个满足,就代表有多少个子串的和为k),其中必须j < i。
??
示例
??示例nums = [1,2,3],k = 3。流程如下。
??1.由于不会事先构建前缀和数组,所以此处先添加前缀和的第0个元素。如下图所示。
文章图片
??2.从nums的第0项(对应前缀和数组的第1项),开始遍历。此时preSum - k = -2。map中不存在key = -2的键值对。所以此时count = 0。并将key = preSum = 1, value = https://www.it610.com/article/1加入map。如下图所示。
文章图片
??3.访问nums数组的第1项(对应前缀和数组的第2项)。此时preSum - k = 0。map中存在key =0的键值对,且value = 1。所以此时count = count + value = 1。并将key = preSum = 3, value = https://www.it610.com/article/1加入map。如下图所示。
文章图片
??4.访问nums数组的第2项(对应前缀和数组的第3项)。此时preSum - k = 3。map中存在key = 3的键值对,且value = 1。所以此时count = count + value = 2。并将key = preSum = 6, value = https://www.it610.com/article/1加入map。如下图所示。
文章图片
复杂度分析
??时间复杂度:O(n),其中n为数组的长度
??空间复杂度:O(n),哈希表在最坏情况下可能有n个不同的键值,因此为O(n)。
代码
class Solution {
public int subarraySum3(int[] nums, int k) {
HashMap map = new HashMap<>();
//初始情况,由于此处没有使用前缀和数组,因此需要先将前缀和为0的,出现了1次的的情况记录在map里面,也就是前缀数组中的第0项
map.put(0, 1);
int count = 0, sum0i = 0;
for (int i = 0;
i < nums.length;
i++) {
sum0i += nums[i];
count += map.getOrDefault(sum0i - k, 0);
//以下两句代码,必须在以上两句代码的后边,这样变相保证了j < i
int c = map.getOrDefault(sum0i, 0);
map.put(sum0i, ++c);
}
return count;
}
}
?
结尾 ??好了数组中的前缀和技巧就讲这三道。下一篇算法文章讲差分数组。
微信扫描下方二维码,关注公众号后回复【笔记】,有我准备的15万字Java面试笔记。
文章图片
【数组-一文搞定前缀和数组】??感谢各位人才的点赞、收藏和评论,干货文章持续更新中,下篇文章再见!
推荐阅读
- JAVA递归算法
- 实现深层对象属性访问
- #yyds干货盘点#看动画学算法之:二叉搜索树BST
- 机器学习|机器学习之入门但门被焊死 分类KNN算法实现
- 二分查找
- 搜索插入的位置
- leetcode|优先级队列(堆)
- 【贪心算法】最小生成树
- 数据结构与算法|数据结构与算法——绪论