一、和为 k 的子数组
1、题目讲解
2、思路讲解
设 i 为数组中的任意位置，⽤ sum[i] 表⽰ [0, i] 区间内所有元素的和。
想知道有多少个「以 i 为结尾的和为 k 的⼦数组」，就要找到有多少个起始位置为 x1, x2, x3… 使得 [x, i] 区间内的所有元素的和为 k 。那么 [0, x] 区间内的和是不是就是sum[i] - k 了。于是问题就变成：
◦ 找到在 [0, i - 1] 区间内，有多少前缀和等于 sum[i] - k 的即可。
我们不⽤真的初始化⼀个前缀和数组，因为我们只关⼼在 i 位置之前，有多少个前缀和等于sum[i] - k 。因此，我们仅需⽤⼀个哈希表，⼀边求当前位置的前缀和，⼀边存下之前每⼀种前缀和出现的次数。
3、代码实现
class Solution { public: int subarraySum(vector<int>& nums, int k) { unordered_map<int,int> hash; hash[0]=1; int sum=0,ret=0; for(auto x:nums) { sum+=x; if(hash.count(sum-k)) ret+=hash[sum-k]; hash[sum]++; } return ret; } };
二、和可被 K 整除的⼦数组
1、题目讲解
2、思路讲解
• 同余定理
如果 (a - b) % n == 0 ，那么我们可以得到⼀个结论： a % n == b % n 。⽤⽂字叙述就是，如果两个数相减的差能被 n 整除，那么这两个数对 n 取模的结果相同。
例如： (26 - 2) % 12 == 0 ，那么 26 % 12 == 2 % 12 == 2 。
• c++ 中负数取模的结果，以及如何修正「负数取模」的结果
a. c++ 中关于负数的取模运算，结果是「把负数当成正数，取模之后的结果加上⼀个负号。
例如： -1 % 3 = -(1 % 3) = -1
b. 因为有负数，为了防⽌发⽣「出现负数」的结果，以 (a % n + n) % n 的形式输出保证为正。
例如： -1 % 3 = (-1 % 3 + 3) % 3 = 2
设 i 为数组中的任意位置，⽤ sum[i] 表⽰ [0, i] 区间内所有元素的和。
• 想知道有多少个「以 i 为结尾的可被 k 整除的⼦数组」，就要找到有多少个起始位置为 x1, x2, x3… 使得 [x, i] 区间内的所有元素的和可被 k 整除。
• 设 [0, x - 1] 区间内所有元素之和等于 a ， [0, i] 区间内所有元素的和等于 b ，可得(b - a) % k == 0 。
• 由同余定理可得， [0, x - 1] 区间与 [0, i] 区间内的前缀和同余。于是问题就变成：
◦ 找到在 [0, i - 1] 区间内，有多少前缀和的余数等于 sum[i] % k 的即可。
我们不⽤真的初始化⼀个前缀和数组，因为我们只关⼼在 i 位置之前，有多少个前缀和等于sum[i] - k 。因此，我们仅需⽤⼀个哈希表，⼀边求当前位置的前缀和，⼀边存下之前每⼀种前缀和出现的次数。
3、代码实现
class Solution { public: int subarraysDivByK(vector<int>& nums, int k) { unordered_map<int,int> hash; hash[0]=1; int sum=0,ret=0; for(auto x:nums) { sum+=x; int r=(sum%k+k)%k; if(hash.count(r)) ret+=hash[r]; hash[r]++; } return ret; } };
三、连续数组
1、题目讲解
2、思路讲解
稍微转化⼀下题⽬，就会变成我们熟悉的题：
• 本题让我们找出⼀段连续的区间， 0 和 1 出现的次数相同。
• 如果将 0 记为 -1 ， 1 记为 1 ，问题就变成了找出⼀段区间，这段区间的和等于 0 。
• 于是，就和 560. 和为 K 的⼦数组 这道题的思路⼀样
设 i 为数组中的任意位置，⽤ sum[i] 表⽰ [0, i] 区间内所有元素的和。
想知道最⼤的「以 i 为结尾的和为 0 的⼦数组」，就要找到从左往右第⼀个 x1 使得 [x1, i]区间内的所有元素的和为 0 。那么 [0, x1 - 1] 区间内的和是不是就是 sum[i] 了。于是问题就变成：
• 找到在 [0, i - 1] 区间内，第⼀次出现 sum[i] 的位置即可。
我们不⽤真的初始化⼀个前缀和数组，因为我们只关⼼在 i 位置之前，第⼀个前缀和等于 sum[i]的位置。因此，我们仅需⽤⼀个哈希表，⼀边求当前位置的前缀和，⼀边记录第⼀次出现该前缀和的位置。
3、代码实现
class Solution { public: int findMaxLength(vector<int>& nums) { unordered_map<int,int> hash; hash[0]=-1; int sum=0,ret=0; for(int i=0;i<nums.size();i++) { sum+=(nums[i]==0?-1:1); if(hash.count(sum)) ret=max(ret,i-hash[sum]); else hash[sum]=i; } return ret; } };
四、矩阵区域和
1、题目讲解
2、思路讲解
⼆维前缀和的简单应⽤题，关键就是我们在填写结果矩阵的时候，要找到原矩阵对应区域的「左上⻆」以及「右下⻆」的坐标（推荐⼤家画图）
左上⻆坐标： x1 = i - k，y1 = j - k ，但是由于会「超过矩阵」的范围，因此需要对 0 取⼀个 max 。因此修正后的坐标为： x1 = max(0, i - k), y1 = max(0, j - k) ;
右下⻆坐标： x1 = i + k，y1 = j + k ，但是由于会「超过矩阵」的范围，因此需要对 m - 1 ，以及 n - 1 取⼀个 min 。因此修正后的坐标为： x2 = min(m - 1, i + k), y2 = min(n - 1, j + k) 。
然后将求出来的坐标代⼊到「⼆维前缀和矩阵」的计算公式上即可~（但是要注意下标的映射关系）
3、代码实现
class Solution { public: vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k) { int m = mat.size(), n = mat[0].size(); vector<vector<int>> dp(m + 1, vector<int>(n + 1)); // 1. 预处理前缀和矩阵 for(int i = 1; i <= m; i++) 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]; // 2. 使⽤ vector<vector<int>> ret(m, vector<int>(n)); for(int i = 0; i < m; i++) for(int j = 0; j < n; j++) { int x1 = max(0, i - k) + 1, y1 = max(0, j - k) + 1; int x2 = min(m - 1, i + k) + 1, y2 = min(n - 1, j + k) + 1; ret[i][j] = dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] +dp[x1 - 1][y1 - 1]; } return ret; } };
