一、【模版】前缀和

1.链接

【模板】前缀和_牛客题霸_牛客网 (nowcoder.com)

2.描述

3.思路

前缀和的思想其实就是一种简单的动态规划，以i位置记录从头位置到i位置的和，然后间接的求一段连续区间的数组和，时间复杂度是O（n） + O（q），这种思想在实际中是为了应对多次查询的情况，当q特别大时，采用这种方式的时间复杂度就会较低

4.参考代码

#include <iostream>
#include <vector>
using namespace std;int main() 
{int n,q;cin >> n >> q;vector<int> arr(n+1,0);for(int i = 1;i <= n;i++) cin >> arr[i];vector<long long> dp(n+1,0);for(int i = 1;i <= n ; i++) dp[i] = dp[i-1] + arr[i];while(q--){int l,r;cin >> l >> r;cout << dp[r] - dp[l-1] << endl;}return 0;
}

二、二维前缀和

1.链接

【模板】二维前缀和_牛客题霸_牛客网 (nowcoder.com)

2.描述

3.思路

该题我们采用动态规划的定式思路去分析得到前缀和的表，并且分析如何使用

4.参考代码

核心的思路就是上面的动归分析已经如何使用前缀和表格的部分，剩下的就是在实际写代码时候的一些细节

1.测试用例中包含较大的数据，因此在dp表格中存放的值类型需要使用long long

2.一般按照思路是先载入数据，然后再动归建立dp表，但由于我们这里dp表和arr都选择使用多一行一列的辅助位置去进行的初始化，这两个步骤可以放在同一个for循环里一起执行，但先后顺序不能变，一定是先载入arr的数据，再去执行dp

#include <iostream>
using namespace std;
#include<vector>int main() 
{//加载数据int n,m,q;cin >> n >> m >> q;vector<vector<int>> arr(n+1,vector<int>(m+1,0));vector<vector<long long>> dp(n+1,vector<long long>(m+1,0));//利用动态规划思路建立前缀和的表格//写代码的时候发现，两个步骤可以合并，因此放在一起执行for(int i = 1;i<=n;i++){for(int j = 1;j<=m;j++){cin >> arr[i][j];//加载数据dp[i][j] = dp[i-1][j] + dp[i][j-1] - dp[i-1][j-1] + arr[i][j];//动归创建前缀和表格}}int x1,x2,y1,y2;//开始查询while(q--){cin >> x1 >> y1 >> x2 >> y2;cout << dp[x2][y2] - dp[x1-1][y2] - dp[x2][y1-1] + dp[x1-1][y1-1] << endl;}return 0;
}

三、寻找数组的中心下标

1.链接

724. 寻找数组的中心下标 - 力扣（LeetCode）

2.描述

3.思路

先建立前缀和表格，然后遍历一遍下标位置，去比对当前下标的前后两个部分的和是否相同，若是相同则说明当前下标就是目标值，直接返回，若是遍历结束后都没有找到，说明不存在，返回-1

要注意前缀表中和题目给的数组两者之间的映射关系，最好画图去分析，又或者可以建立多一个后缀表，去对应遍历

4.参考代码

class Solution {
public:int pivotIndex(vector<int>& nums) {int n = nums.size();vector<int> dp(n+1,0);for(int i = 1;i<=n;i++) dp[i] = dp[i-1] + nums[i-1];for(int i = 0;i<n;i++){if(dp[i] == dp[n] - dp[i+1]) return i;}return -1;}
};

四、除自身以外数组的乘积

1.链接

238. 除自身以外数组的乘积 - 力扣（LeetCode）

2.描述

3.思路

题目要求的数组是除开自己的其余所有数的乘积，那么可以将ret[i]分成两部分

1.nums[0] * nums[1] * nums[2] * ... * nums[i-1] （i位置的左半部分乘积）

2.nums[i+1] * nums[i+2] * nums[i+3] * ... *  nums[n-1]（i位置的右半部分乘积）

因此我们可以利用前缀和的思想，去将前半部分和后半部分分别进行制表

head[i]:表示以i位置结束，从第头到该位置的乘积

tail[i]:表示从i位置开始，到最末尾的乘积

然后遍历填表即可

4.参考代码

class Solution {
public:vector<int> productExceptSelf(vector<int>& nums) {int n = nums.size();vector<int> ret(n);vector<int> head(n+1,1);//添加辅助位要注意映射关系vector<int> tail(n+2,1);//注意，这里需要先初始化tail的第一个值for(int i = 1;i<=n;i++) head[i] = head[i-1]*nums[i-1];for(int i = n;i>=1;i--) tail[i] = tail[i+1]*nums[i-1];//得到两个表格后，遍历填表即可for(int i = 0;i<n;i++) ret[i] = head[i]*tail[i+2];return ret;}
};

五、和为k的子数组

1.链接

560. 和为 K 的子数组 - 力扣（LeetCode）

2.描述

3.思路

4.参考代码

class Solution {
public:int subarraySum(vector<int>& nums, int k) {int sum = 0;map<int,int> hash;int count = 0;for(int i = 0;i<nums.size();i++){hash[sum]++;sum += nums[i];//此时sum为i位置的前缀和count += hash[sum-k];}return count;}
};

5.代码分析

六、和可被K整除的子数组

1.链接

974. 和可被 K 整除的子数组 - 力扣（LeetCode）

2.描述

3.思路

4.参考代码

class Solution 
{
public:int subarraysDivByK(vector<int>& nums, int k) {map<int,int> hash;int sum = nums[0];int count = 0;for(int i = 0;i<nums.size();i++){hash[(sum%k+k)%k]++;sum+=nums[i];count += hash[(sum%k+k)%k];}return count;}
};

七、连续数组

1.链接

525. 连续数组 - 力扣（LeetCode）

2.描述

3.思路

改题目若是将所有的0都换成-1，则依然和上一题的思路是一样的，都是通过前缀和去转化

4.参考代码

class Solution 
{
public:int findMaxLength(vector<int>& nums) {unordered_map<int,int> hash;int ret = 0;int sum = 0;hash[0] = -1;for(int i = 0;i<nums.size();i++){sum+=nums[i] == 0? -1 : 1;//将数据转化一下if(hash.count(sum)) ret = max(ret,i-hash[sum]);else hash[sum] = i;}return ret;}
};

八、矩阵区域和

1.链接

1314. 矩阵区域和 - 力扣（LeetCode）

2.描述

这题描述较复杂，大致意思就是，给你一个m*n的矩阵，并且给你一整数k，然后你得返回一个相同规模的矩阵，而这个矩阵内的数据要求是：

以【i，j】位置向上下左右各延伸k个单位然后围成的矩阵和，越界的部分视为0，例如：

3.思路

这题就是对二维前缀和的一个应用，对二维前缀和的表格建立和使用，需要熟练掌握分析，而不要去死记公式，得到二维前缀和表和得到使用方法后再根据这题进行分析，这里不重复分析，随便花个草图去分析即可

建表的递推公式：dp[i][j] = dp[i-1][j] + dp[i][j-1]  - dp[i-1][j-1] + mat[i][j]

使用表格的公式：dp[x2][y2] - dp[x1-1][y2] - dp[x2][y1-1] + dp[x1-1][y1-1]

分析：

这题首先是如何确定x1、y1、x2、y2的问题，画图分析可得（太简单了略）

(x1,y1)    = （i-k,y-k）      ， (x2,y2)  = （i+k,y+k）  

除了找到对应的矩阵区间，我们很容易想到还需要对边界条件进行除了，i-k和j-k是有可能越界的，因此最多我们不能让它们小于（0,0）的位置，i+k和j+k同理，最大不能大于（m-1，n-1）的位置

x1 = max(0,i-k);   y1 = max(0,y-k);     x2 = min(m-1,i+k);     y2 = min(n-1,j+k);

还有一个细节就是下标的映射关系要注意，因为在初始化dp表（前缀和表）时，我们会添加一个辅助位，而题目给的数组是从0开始的，dp表则是从1开始，所以写代码时要注意映射关系即可

4.参考代码

class Solution 
{
public:vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k) {int m = mat.size();int n = mat[0].size();vector<vector<int>> dp(m+1,vector<int>(n+1,0));for(int i = 1;i<=m;i++)//建立二维前缀和表格for(int j = 1;j<=n;j++)dp[i][j] = dp[i-1][j] + dp[i][j-1]  - dp[i-1][j-1] + mat[i-1][j-1];//注意映射关系//开始用表填返回表vector<vector<int>> answer(m,vector<int>(n));for(int i = 0;i<m;i++){for(int j = 0;j<n;j++){int x1 = max(0,i-k), y1=max(0,j-k);int x2 = min(m-1,i+k), y2 = min(n-1,j+k);answer[i][j] = dp[x2+1][y2+1] - dp[x1][y2+1] - dp[x2+1][y1] + dp[x1][y1];//注意映射关系}}return answer;}
};

总结

本篇内容是关于前缀和的算法思想和应用，整理了一些经典的题目，从简单到难逐步递进，提供链接可以直接到力扣上做，也提供了描述可以直接通过看本篇文章去尝试思考解题，提供了参考思路和测试通过的代码（C++），整理学习下来后，个人认为一个是需要掌握一维和二维的表格建立和基本使用，还有相对较难的，但也有迹可循的一种用前缀和将题目转化，利用哈希表去优化效率的思想，参考五到七题，这个思路相对重要