对树状数组lowbit的一些理解

树状数组
    lowbit(子节点的父节点的位置差距,即下标对应的管理区间范围)
    求解lowbit方法一：理解树状数组长度为2^k+2^n*y 0<=k<logn(以2为底) n<k,类似于快速幂加速计算。
    为了方便理解，我们从k=0开始递推，那我们可以将(2^k次)视为一个不断增长的周期，即k+1更新周期长度，所以2^k的区间长度=2^k
    至于2^k<x<2^k+1都可以视为(2^k)周期的映射，即x管理的区间为x-2^k对应的长度.
    由此可以得出递推方程:lowbit[x]=lowbit[x-2^k],x!=2^k 所以我们只需要维护K就可以求出lowbit数组!
    代码：

    def lowbit(a):
        k = -1
        n = len(a)
        lowbit = [0] * n
        for i in range(1, n):
            if i == 2 ** (k + 1):
                k += 1
            lowbit[0] = i
            lowbit[i] = lowbit[i - 2 ** k]

#进一步思考：
      #如果我们不从递推开始,而是想要直接求解lowbit(x),可以先定义lowbit(2^k)=2^k.
      #当x!=2^k的时候,我们不知道x在2^k周期中的位置管理区间长度.
      #当x==2^k的时候,我们知道了x在2^k周期中的位置管理区间长度.
      #每一步得到x=x-2^logx(以2为底,下取整),当x=2^logx的时候，x就是管理区间的长度
      #其实我们每一步操作都是在寻找x在2^k周期中位置,并不断缩小k,也就是周期大小。
      #我们要寻找到解就是最小x==2^k，那还有没有更快的方法？
      #既然周期是2^k,我们的下标却是十进制，相当于10^k一个周期,处理这样的周期问题，完全可以将下标转换为二进制.
      #按照我们上面的求解lowbit(x)可以发现,二进制中1代表一个周期,我们要寻找的就是二进制最低位的1,也就是x=2^k.
      #这就是我们熟知的求解lowbit(x)的方法.
      代码： 

    def lowbit(x):
        return x & -x