给你一个下标从 0 开始的整数数组nums
。每次操作中,你可以:
- 选择两个满足
0 <= i, j < nums.length
的不同下标i
和j
。 - 选择一个非负整数
k
,满足nums[i]
和nums[j]
在二进制下的第k
位(下标编号从 0 开始)是1
。 - 将
nums[i]
和nums[j]
都减去2^k
。
如果一个子数组内执行上述操作若干次后,该子数组可以变成一个全为 0
的数组,那么我们称它是一个 美丽 的子数组。
请你返回数组 nums
中 美丽子数组 的数目。
子数组是一个数组中一段连续 非空 的元素序列。
示例 1:
输入:nums = [4,3,1,2,4] 输出:2 解释:nums 中有 2 个美丽子数组:[4,3,1,2,4] 和 [4,3,1,2,4] 。 - 按照下述步骤,我们可以将子数组 [3,1,2] 中所有元素变成 0 : - 选择 [3, 1, 2] 和 k = 1 。将 2 个数字都减去 2^1 ,子数组变成 [1, 1, 0] 。 - 选择 [1, 1, 0] 和 k = 0 。将 2 个数字都减去 2^0 ,子数组变成 [0, 0, 0] 。 - 按照下述步骤,我们可以将子数组 [4,3,1,2,4] 中所有元素变成 0 : - 选择 [4, 3, 1, 2, 4] 和 k = 2 。将 2 个数字都减去 2^2,子数组变成 [0, 3, 1, 2, 0] 。 - 选择 [0, 3, 1, 2, 0] 和 k = 0 。将 2 个数字都减去 2^0,子数组变成 [0, 2, 0, 2, 0] 。 - 选择 [0, 2, 0, 2, 0] 和 k = 1 。将 2 个数字都减去 2^1,子数组变成 [0, 0, 0, 0, 0] 。
示例 2:
输入:nums = [1,10,4] 输出:0 解释:nums 中没有任何美丽子数组。
提示:
1 <= nums.length <= 10^5
0 <= nums[i] <= 10^6
提示 1
A subarray is beautiful if its xor is equal to zero.
提示 2
Compute the prefix xor for every index, then the xor of subarray [left, right] is equal to zero if prefix_xor[left] ^ perfix_xor[right] == 0
提示 3
Iterate from left to right and maintain a hash table to count the number of indices equal to the current prefix xor.
解法:前缀异或和
提示 1
由于每次操作的都是同一个比特位,可以把每一位单独看。
提示 2
每次都去掉两个 1,要是美丽子数组,需要子数组内这个比特位的 1 的个数是偶数。
提示 3
由于 1⊕1=0,把所有比特位合起来看,美丽子数组这等价于子数组的异或和等于 0。
提示 4
利用前缀异或和 s,问题相当于在求 s 中有多少对 s[left] 和 s[right] 满足 s[right]⊕s[left]=0,即 s[right]=s[left],因为异或为 0 的两个数字必然相等。
也就是说,我们实际计算的是 s 中有多少对相同数字。
我们可以一边遍历 prefix,一边用一个哈希表 count 统计 s[i] 的出现次数,累加遍历中的 count[s[i]],即为答案。
Java版:
class Solution {
public long beautifulSubarrays(int[] nums) {
int n = nums.length;
long ans = 0;
int[] prefix = new int[n + 1];
for (int i = 1; i < n + 1; i++) {
prefix[i] = prefix[i - 1] ^ nums[i - 1];
}
Map<Integer, Integer> count = new HashMap<>();
for (int p: prefix) {
ans += count.getOrDefault(p, 0);
count.merge(p, 1, Integer::sum);
}
return ans;
}
}
Python3版:
class Solution:
def beautifulSubarrays(self, nums: List[int]) -> int:
n = len(nums)
ans = 0
prefix = [0] * (n + 1)
for i in range(1, n + 1):
prefix[i] = prefix[i - 1] ^ nums[i - 1]
count = dict()
for p in prefix:
if p in count:
ans += count[p]
count[p] += 1
else:
count[p] = 1
return ans
复杂度分析
- 时间复杂度:O(n),其中 n 为 nums 的长度。
- 空间复杂度:O(n)。
另一种写法:
一边计算prefix,一边统计答案。
Java版:
class Solution {
public long beautifulSubarrays(int[] nums) {
int n = nums.length;
long ans = 0;
int prefix = 0;
Map<Integer, Integer> count = new HashMap<>();
count.put(0, 1);
for (int i = 0; i < nums.length; i++) {
prefix ^= nums[i];
ans += count.getOrDefault(prefix, 0);
count.merge(prefix, 1, Integer::sum);
}
return ans;
}
}
Python3版:
class Solution:
def beautifulSubarrays(self, nums: List[int]) -> int:
ans = 0
count = dict()
count[0] = 1
prefix = 0
for num in nums:
prefix ^= num
if prefix in count:
ans += count[prefix]
count[prefix] += 1
else:
count[prefix] = 1
return ans
复杂度分析
- 时间复杂度:O(n),其中 n 为 nums 的长度。
- 空间复杂度:O(n)。