力扣304 二维区域和检索

最新推荐文章于 2023-09-04 11:23:19 发布

清笙挽歌余夢初

最新推荐文章于 2023-09-04 11:23:19 发布

阅读量180

点赞数 1

文章标签： c++ 算法

本文链接：https://blog.csdn.net/gentlewinds/article/details/114289410

版权

#力扣304 二维区域和检索

力扣304 二维区域和检索（前缀和数组）

力扣304 二维区域和检索（前缀和数组）

一个计科小白的日更题解
（都是抄大佬们的思想，
加上一些自己的理解,
使得刚入门的小白也可以看），
帮助别人
也算是督促自己，
一起加油！

进阶自昨天的 303 .区域和检索 - 数组不可变

链接: link.
给定一个整数数组 $n u m s$ ，求出数组从索引 $i$ 到 $j$ $(i \leq j)$ 范围内元素的总和，包含 $i$ 、 $j$ 两点。

实现 $N u m A r r a y$ 类：

$N u m A r r a y (i n t [] n u m s)$ 使用数组 $n u m s$ 初始化对象
$i n t s u m R a n g e (i n t i, i n t j)$ 返回数组 $n u m s$ 从索引 $i$ 到 $j$ $(i \leq j)$ 范围内元素的总和
，包含 $i$ 、 $j$ 两点（也就是 $s u m (n u m s [i], n u m s [i + 1], . . ., n u m s [j]$ )）

示例：

输入：
$[" N u m A r r a y ", " s u m R a n g e ", " s u m R a n g e ", " s u m R a n g e "]$
$[[[- 2, 0, 3, - 5, 2, - 1]], [0, 2], [2, 5], [0, 5]]$
输出：
$[n u l l, 1, - 1, - 3]$

解释：
$N u m A r r a y n u m A r r a y = n e w N u m A r r a y ([- 2, 0, 3, - 5, 2, - 1]);$
$n u m A r r a y . s u m R a n g e (0, 2); / / r e t u r n 1 ((- 2) + 0 + 3)$
$n u m A r r a y . s u m R a n g e (2, 5); / / r e t u r n - 1 (3 + (- 5) + 2 + (- 1))$
$n u m A r r a y . s u m R a n g e (0, 5); / / r e t u r n - 3 ((- 2) + 0 + 3 + (- 5) + 2 + (- 1))$

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/range-sum-query-immutable
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

这是一个非常标准的用前缀和数组解决的问题
及其类似一些班级上机的第一题
比如一个数组a
[3,5,7,8,1]
我们可以得到相对应的前缀和数组sum
[3,8,15,23,24]

也就是
$s u m [0] = a [0] = 3$
$s u m [1] = a [0] + a [1] = 3 + 5 = 8$
$s u m [2] = a [0] + a [1] + a [2] = 3 + 5 + 7 = 15$
$s u m [3] = a [0] + a [1] + a [2] + a [3] = 3 + 5 + 7 + 8 = 23$
$s u m [4] = a [0] + a [1] + a [2] + a [3] + a [4] = 3 + 5 + 7 + 8 + 1 = 24$
…
而题意就是比如给你一个数组a
给你多组数组下标
比如 1 3就是让你返回 $a [1] + a [2] + a [3]$ 的值
聪明的小伙伴一定看出了规律
给你1 3
那我就用 $s u m [3] - s u m [0] = a [1] + a [2] + a [3]$ 就可以了
这也就是前缀和数组最基本的应用。

特点：
$s u m [i] = s u m [i - 1] + a [i]$
$\sum_m^na_i=sum[n]-sum[m-1]$ 、

这个式子看上去好像很对
但注意万一这个m恰好是0呢
我给你一个从0到3
你心里明白是让我用 $s u m [3] - 0$
但是 $s u m [- 1]$ 显然很容易出现问题

所以后来出现了一种新的形式
对于数组a
[3,5,7,8,1]
长度为5
我设一个长度为6的前缀和数组
我让 $s u m [0] = 0$
剩下的依次递推

$s u m [1] = a [0] = 3$
$s u m [2] = a [0] + a [1] = 3 + 5 = 8$
$s u m [3] = a [0] + a [1] + a [2] = 3 + 5 + 7 = 15$
$s u m [4] = a [0] + a [1] + a [2] + a [3] = 3 + 5 + 7 + 8 = 23$
$s u m [5] = a [0] + a [1] + a [2] + a [3] + a [4] = 3 + 5 + 7 + 8 + 1 = 24$

这样会得到新的规律
$\sum_m^na_i=sum[n+1]-sum[m]$

这样重新考虑
我给一个从0到3
这下子是不是就变成了 $s u m [4] - s u m [0] = (a [0] + a [1] + a [2] + a [3]) - 0$
是不是就没有任何问题了

同理可得,如果题目中给从1到3
我就可以用 $s u m [4] - s u m [1]$

那这个时候有的人会想
你让我用这个还挺麻烦的
你让我求我就求得了呗
从1到3一项项加 $a [1] + a [2] + a [3]$ 才加了两次
而你这么做得从0加到3 加了三次显然更加麻烦
这个确实，但是前缀和数组显然不是让你这么用的

前缀和数组最适用于多组求和
比如现在是一个大小为10000的数组
我让你求 1000次
每次都是从很小的项数加到很大的项数（比如从第3项加到第9999项）
这样的话1000*9996显然是一个天文数字
但你如果用前缀和数组你只需要计算10000次去构建前缀和数组
之后每次计算一次就可以求得任何一项到任何一项之间所有项的和

用计算机的术语来说
如果你不构建，你每次计算的时间复杂度是 $o (n)$
但如果你构建了前缀数组，你每次计算的时间复杂度是 $o (1)$
如果乘以次数m次
如果你不构建，你总的计算的时间复杂度是 $o (m n)$
但如果你构建了前缀数组，你总的计算的时间复杂度是 $o (m)$
可见，前缀数组在大数据的处理上有其独到之处。
代码

class NumArray {
public:
    vector<int> sums;
    NumArray(vector<int>& nums) {
        int n = nums.size();
        sums.resize(n + 1);//修改长度为原长度+1
        for (int i = 0; i < n; i++) {
            sums[i + 1] = sums[i] + nums[i];//计算前缀和数组
        }
    }//构造函数
    int sumRange(int i, int j) {
        return sums[j + 1] - sums[i];//计算区域元素和
    }
};

这是标准答案,也没啥可说的，真的很标准！

二维区域

再回到今天的题目
昨天是一维区域上的前缀数组，
今天是二维

链接: link.
304. 二维区域和检索 - 矩阵不可变
给定一个二维矩阵，计算其子矩形范围内元素的总和，
该子矩阵的左上角为 (row1, col1) ，右下角为 (row2, col2) 。

上图子矩阵左上角 (row1, col1) = (2, 1) ，右下角(row2, col2) = (4, 3)，
该子矩形内元素的总和为 8。

示例：

给定
matrix = [
[3, 0, 1, 4, 2],
[5, 6, 3, 2, 1],
[1, 2, 0, 1, 5],
[4, 1, 0, 1, 7],
[1, 0, 3, 0, 5]
]

sumRegion(2, 1, 4, 3) -> 8
sumRegion(1, 1, 2, 2) -> 11
sumRegion(1, 2, 2, 4) -> 12

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/range-sum-query-2d-immutable
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

和上次的思想基本一致，
如果给的二维数组长度为 $m * n$
那你要构建的sum数组大小必须为 $(m + 1) * (n + 1)$
比如给你一个数组
1 2
3 4
那你要构建的前缀和数组应该是
0 0 0
0 1 3
0 4 10
这么看有点难以理解(跟1维比)

其实就是那个3
就是子矩阵 1 2(行矩阵)的元素和

那个4
就是子矩阵(列矩阵)
1
3
的元素和

(如果不太懂可以看底下大佬的图解，
再结合我这个例子
相信会有新的体会。）

以此为原理构造新的sum数组
之后再同理求二维前缀和

引用力扣一个非常非常优秀的题解作者负雪明烛的配图和题解

步骤一：求 $p r e S u m$

我们先从如何求出二维空间的 $p r e S u m [i] [j]$

我们定义 $p r e S u m [i] [j]$
$p r e S u m [i] [j]$ 表示从 $[0, 0]$ 位置到 $[i, j]$ 位置的子矩形所有元素之和。
可以用下图帮助理解：

$S (O, D) = S (O, C) + S (O, B) - S (O, A) + D$
在这里插入图片描述

步骤二：根据 $p r e S u m$ 求子矩形面积

前面已经求出了数组中从 $[0, 0]$ 位置到 $[i, j]$ 位置的 $p r e S u m$
下面要利用 $p r e S u m [i] [j]$
来快速求出任意子矩形的面积。

同样利用一张图来说明：

在这里插入图片描述

加上子矩形 $S (O, G)$ 面积的原因是 $S (O, E)$ 和 $S (O, F)$ 中都有 $S (O, G)$ ，即减了两次 $S (O, G)$ 所以需要加上一次 $S (O, G)$

如果要求 $[r o w 1, c o l 1]$ 到 $[r o w 2, c o l 2]$ 的子矩形的面积的话，用 $p r e S u m$ 对应了以下的递推公式：

$p r e S u m [r o w 2] [c o l 2] - p r e S u m [r o w 2] [c o l 1 - 1] - p r e S u m [r o w 1 - 1] [c o l 2] + p r e S u m [r o w 1 - 1] [c o l 1 - 1]$

作者：fuxuemingzhu
链接：https://leetcode-cn.com/problems/range-sum-query-2d-immutable/solution/ru-he-qiu-er-wei-de-qian-zhui-he-yi-ji-y-6c21/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

代码给的是python的，我给一下标答中c++的

class NumMatrix {
public:
    vector<vector<int>> sums;
    NumMatrix(vector<vector<int>>& matrix) {
        int m=matrix.size();//行数
        if(m>0)
        {
        int n=matrix[0].size();//列数
        sums.resize(m+1,vector<int>(n+1));//重新定义数组大小为m+1行n+1个元素的数组
        for(int i=0;i<m;i++)
            for(int j=0;j<n;j++)
            {
                sums[i+1][j+1]=sums[i+1][j]+sums[i][j+1]-sums[i][j]+matrix[i][j];
            }
        }
    }//构造函数 构造sum数组
    
    int sumRegion(int row1, int col1, int row2, int col2) {
        return sums[row2+1][col2+1]-sums[row2+1][col1]-sums[row1][col2+1]+sums[row1][col1];
    }
};

清笙挽歌余夢初

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
力扣304 二维区域和检索

#力扣304 二维区域和检索力扣304 二维区域和检索（前缀和数组）进阶自昨天的 303 .区域和检索 - 数组不可变二维区域步骤一：求 preSumpreSumpreSum步骤二：根据 preSumpreSumpreSum 求子矩形面积力扣304 二维区域和检索（前缀和数组）一个计科小白的日更题解（都是抄大佬们的思想，加上一些自己的理解,使得刚入门的小白也可以看），帮助别人也算是督促自己，一起加油！进阶自昨天的 303 .区域和检索 - 数组不可变链接: link.给定一个整数数
复制链接

扫一扫