文章目录
-
-
-
- [560. 和为K的子数组](https://leetcode-cn.com/problems/subarray-sum-equals-k/)
- [209. 长度最小的子数组](https://leetcode-cn.com/problems/minimum-size-subarray-sum/)
- [713. 乘积小于K的子数组](https://leetcode-cn.com/problems/subarray-product-less-than-k/)
- [1248. 统计「优美子数组」](https://leetcode-cn.com/problems/count-number-of-nice-subarrays/)
- [581. 最短无序连续子数组](https://leetcode-cn.com/problems/shortest-unsorted-continuous-subarray/)
-
-
560. 和为K的子数组
给定一个整数数组和一个整数 k,你需要找到该数组中和为 k 的连续的子数组的个数。
示例 1 :
输入:nums = [1,1,1], k = 2
输出: 2 , [1,1] 与 [1,1] 为两种不同的情况。
分析:找到该数组中和为k的连续的子数组,实际上就是找从 i 到 j 和为k的数组个数,因此,如果用sum表示从下标0到 i 的和,也就是找 sum[i]-sum[j]=k 的个数。故可以用一个数组存储sum,然后用MAP存储从该sum值到该值出现次数的映射关系,如果遍历sum[i]时,发现sum[i]-k已经出现过,则加上其值即可。
- 需要先判断是否存在,然后再对自身sum[i]建立映射,避免出现k=0的情况导致错误
- 需要注意的是,sum[0]=0,即未添加任何元素,或者在map初始化时添加map[0]=1
class Solution {
public:
int subarraySum(vector<int>& nums, int k)
{
vector<int> sum(nums.size()+1);
sum[0]=0;
for(int i=1;i<=nums.size();i++)
{
sum[i]=sum[i-1]+nums[i-1];
}
int result=0;
// 如果从j到i和为k,则 sum[i]-sum[j-1]=k
unordered_map<int,int> MAP; //建立映射,从 sum[i]到其值出现的次数的映射
for(int i=0;i<sum.size();i++)
{
if(MAP.find(sum[i]-k)!=MAP.end()) //判断差为k的是否已经出现
result+=MAP[sum[i]-k];
MAP[sum[i]]++;
}
return result;
}
};
但是我们发现,其实sum并不需要用数组存储起来,可以在求和过程中直接建立映射并判断即可,代码可以变得更加简洁。
class Solution {
public:
int subarraySum(vector<int>& nums, int k)
{
unordered_map<int,int> MAP;//映射关系
MAP[0]=1; //表示没有添加任何元素
int sum=0,result=0;
for(int item:nums)
{
sum+=item;
if(MAP.find(sum-k)!=MAP.end()) result+=MAP[sum-k];
MAP[sum]++;
}
return result;
}
};
209. 长度最小的子数组
给定一个含有 n 个正整数的数组和一个正整数 s ,找出该数组中满足其和 ≥ s 的长度最小的连续子数组,并返回其长度。如果不存在符合条件的连续子数组,返回 0。
示例:
输入: s = 7, nums = [2,3,1,2,4,3]
输出: 2
解释: 子数组 [4,3] 是该条件下的长度最小的连续子数组。
分析:
方法一:双指针法,动态维护区间
求符合条件的最小的连续子区间,可以采用双指针法,动态维护一个符合条件的区间。
- 设置两个指针,left和right,分别标记当前维护的区间的左端和右端
- 如果当前区间和小于s,则右移right,直至大于等于s
- 如果当前区间和大于s,则右移left,直至小于等于s (这个过程需要记录最小的区间长度)
- 直至right遍历至数组结束,返回过程中记录的最小区间长度即可
该算法由于至多遍历两边数组,故时间复杂度是