前缀和技巧适用于快速、频繁地计算一个索引区间内的元素之和。
一维数组中的前缀和
力扣第 303 题「 区域和检索 - 数组不可变」,让你计算数组区间内元素的和,这是一道标准的前缀和问题:
class NumArray {
private int[] sum;
public NumArray(int[] nums) {
if(nums.length==1) sum=nums;
sum=new int[nums.length+1];
sum[1]=nums[0];
for(int i=1;i<nums.length;i++){
sum[i+1]=sum[i]+nums[i];
}
}
public int sumRange(int left, int right) {
return sum[right+1]-sum[left];
}
}
/**
* Your NumArray object will be instantiated and called as such:
* NumArray obj = new NumArray(nums);
* int param_1 = obj.sumRange(left,right);
*/
上面的代码使用了前缀和,在获取[left,right]
之间的值的时候只需要O(1)
的时间复杂度,而如若不适用前缀和的概念,而是每次调用sumRange()
时都重新遍历一遍nums
数组,时间复杂度就变成了O(n)
接下来,我们看一看前缀和思路在二维数组中如何运用。
二维矩阵中的前缀和
力扣第 304 题「 二维区域和检索 - 矩阵不可变」,其实和上一题类似,上一题是让你计算子数组的元素之和,这道题让你计算二维矩阵中子矩阵的元素之和:
比如说输入的 matrix
如下图:
按照题目要求,矩阵左上角为坐标原点 (0, 0)
,那么 sumRegion([2,1,4,3])
就是图中红色的子矩阵,你需要返回该子矩阵的元素和 8
。
当然,你可以用一个嵌套 for
循环去遍历这个矩阵,但这样的话 sumRegion
函数的时间复杂度就高了,你算法的格局就低了。
那么我们可以维护一个二维 preSum
数组,专门记录以原点为顶点的矩阵的元素之和,就可以用几次加减运算算出任何一个子矩阵的元素和:
class NumMatrix {
// 定义:preSum[i][j] 记录 matrix 中子矩阵 [0, 0, i-1, j-1] 的元素和
private int[][] preSum;
public NumMatrix(int[][] matrix) {
int m = matrix.length, n = matrix[0].length;
if (m == 0 || n == 0) return;
// 构造前缀和矩阵
preSum = new int[m + 1][n + 1];
for (int i = 1; i <= m; i++) {
for (int j = 1; j <= n; j++) {
// 计算每个矩阵 [0, 0, i, j] 的元素和
preSum[i][j] = preSum[i-1][j] + preSum[i][j-1] + matrix[i - 1][j - 1] - preSum[i-1][j-1];
}
}
}
// 计算子矩阵 [x1, y1, x2, y2] 的元素和
public int sumRegion(int x1, int y1, int x2, int y2) {
// 目标矩阵之和由四个相邻矩阵运算获得
return preSum[x2+1][y2+1] - preSum[x1][y2+1] - preSum[x2+1][y1] + preSum[x1][y1];
}
}
这是典型的「空间换时间」思路。