前缀和（二）

本文首发自本人微信公众号：今天你A了吗。每日算法讲解，面试题，冲刺BAT大厂。微信扫码关注吧：

昨天讲了前缀和(一）的内容，相信大家都很有收获，下面再接再厉，我们一起拿下前缀和（二）的内容。其实前缀和（一）讲的是一维前缀和，前缀和（二）将会讲二维前缀和的使用。

一、介绍：什么是二维前缀和

先看图，我们给定了一个3x7的二维整数网格mat。特别地，我们用sum[i][j]表示前i行前j列的网格中元素和，如sum[1][1]表示前一行前一列的元素和，相应的sum[0][1]和sum[1][0]就是0了。

举例计算前缀和：

sum[1][1]=sum[0][1]+sum[1][0]-sum[0][0]+mat[0][0]=0+0-0+1=1

sum[2][1]=sum[1][1]+sum[2][0]-sum[1][0]+mat[1][0]=1+0-0+1=2

sum[1][2]=sum[0][2]+sum[1][1]-sum[0][1]+mat[0][1]=0+1-0+1=2

sum[2][2]=sum[1][2]+sum[2][1]-sum[1][1]+mat[1][1]=2+2-1+1=4

很容易得出，二维前缀和的递推公式：

sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+mat[i-1][j-1];

二、如何运用二维前缀和

由前缀和（一）我们知道，运用前缀和可以计算任意两个区间之间的元素和;其实二维前缀和也是如此，二维前缀和可以用来计算任意一个子矩形内的元素和。下面举一个例子，让我们看看怎么运用二维前缀和：

如图需要计算绿色矩形部分的元素和：

绿色部分=红色-橙色-蓝色+黄色

注意，红色、橙色、蓝色和黄色部分我们都在第一部分计算出来了，因为它们都是代表着前某行前某列的子矩阵元素和。

如红色部分：sum[3][4]=21、蓝色部分：sum[1][4]=7、橙色部分：sum[3][2]=6、黄色部分：sum[1][2]=2；

最后绿色子矩形部分=sum[3][4]-sum[1][4]-sum[3][2]+sum[1][2]=10

容易想到，子矩阵前缀和的递推公式为：(假设子矩形是一个正方形，它的左上顶点坐标为（i-1,j-1)，边长为k) 具体理解可类比示例中的绿色部分子矩阵。

int tmp=sum[i+k-1][j+k-1]-sum[i-1][j+k-1]-sum[i+k-1][j-1]+sum[i-1][j-1];

三、应用

下面通过一个例子说明一下前缀和的作用
leetcode 1292. 元素和小于等于阈值的正方形的最大边长

链接：https://leetcode-cn.com/problems/maximum-side-length-of-a-square-with-sum-less-than-or-equal-to-threshold/
给你一个大小为 m x n 的矩阵 mat 和一个整数阈值 threshold。

请你返回元素总和小于或等于阈值的正方形区域的最大边长；如果没有这样的正方形区域，则返回 0 。

示例 1：

输入：mat = [[1,1,3,2,4,3,2],[1,1,3,2,4,3,2],[1,1,3,2,4,3,2]], threshold = 4

输出：2

解释：总和小于 4 的正方形的最大边长为 2，如图所示。

思路1：首先用递推公式求出所有的二维前缀和，两重循环，时间复杂度为O(n^{2)。然后以i=1，j=1为子矩阵左上顶点，边长k开始进行枚举子矩阵，三重循环时间复杂度为O(n}3)。这其中设置了结果值，用来保存最大的边长，即最后结果。

class Solution {
    public int maxSideLength(int[][] mat, int threshold) {
        int m=mat.length;
        if(m==0)return 0;
        int n=mat[0].length;
        //第一步，计算前缀和,其中sum[i][j]表示前i行前j列的矩形元素和
        int[][] sum=new int[m+1][n+1];
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+mat[i-1][j-1];
            }
        }

        // 枚举左上顶点，然后试边长k
        int res=0;
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                for(int k=1;i+k-1<=m&&j+k-1<=n;k++){
                    int tmp=sum[i+k-1][j+k-1]-sum[i-1][j+k-1]-sum[i+k-1][j-1]+sum[i-1][j-1];
                    if(tmp<=threshold){
                        res=Math.max(res,k);
                    }
                }
            }
        }
        return res;
    }
}

思路2：使用二分查找 + 前缀和进行优化
为什么能用二分查找呢？

在题目中，我们发现矩阵中的元素都是正数，也就是说以某个上顶点开始，随着矩阵边长的扩大，矩阵元素和是递增的，即按照我们的枚举思路，子矩阵元素和是单调递增的，所以我们可以用二分法来查找最终的边长值。下面我们结合具体代码和注释理解理解这个解法吧。

时间复杂度分析：二重循环O(n)*二分查找O(logn)=O(n^2logn)

最终时间复杂度为O(n^2logn)。

class Solution {
    public int maxSideLength(int[][] mat, int threshold) {
        int m=mat.length;
        if(m==0)return 0;
        int n=mat[0].length;
        //第一步，计算前缀和，sum[i][j]表示前i行前j列的矩形元素和
        int[][] sum=new int[m+1][n+1];
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+mat[i-1][j-1];
            }
        }

        //二分查找最终的边长值
        //我们知道，当结果值为4时，3必满足条件，指针右移；
        // 5不满足条件，指针左移；最后指针会指向4
        int left=0,right=Math.min(m,n)+1,mid;
        while(left<right){
            mid=left+(right-left)/2;
            if(valid(sum,threshold,mid)){
                left=mid+1;
            }else{
                right=mid;
            }
        }
        return left-1; 
    }
    //判断是否满足条件
    public boolean valid(int[][] sum,int threshold,int k){
        int m=sum.length-1;
        int n=sum[0].length-1;
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                if(i+k-1>m||j+k-1>n)continue;  
                int tmp=sum[i+k-1][j+k-1]-sum[i-1][j+k-1]-sum[i+k-1][j-1]+sum[i-1][j-1];
                if(tmp<=threshold){
                    return true;
                }                
            }
        }
        return false;
    }
}

四、相关题目

面试题 17.24 最大子矩阵 https://leetcode-cn.com/problems/max-submatrix-lcci/