给你一个正整数 n
,表示最初有一个 n x n
、下标从 0 开始的整数矩阵 mat
,矩阵中填满了 0 。
另给你一个二维整数数组 query
。针对每个查询 query[i] = [row1i, col1i, row2i, col2i]
,请你执行下述操作:
- 找出 左上角 为
(row1i, col1i)
且 右下角 为(row2i, col2i)
的子矩阵,将子矩阵中的 每个元素 加1
。也就是给所有满足row1i <= x <= row2i
和col1i <= y <= col2i
的mat[x][y]
加1
。
返回执行完所有操作后得到的矩阵 mat
。
示例 1:
输入:n = 3, queries = [[1,1,2,2],[0,0,1,1]] 输出:[[1,1,0],[1,2,1],[0,1,1]] 解释:上图所展示的分别是:初始矩阵、执行完第一个操作后的矩阵、执行完第二个操作后的矩阵。 - 第一个操作:将左上角为 (1, 1) 且右下角为 (2, 2) 的子矩阵中的每个元素加 1 。 - 第二个操作:将左上角为 (0, 0) 且右下角为 (1, 1) 的子矩阵中的每个元素加 1 。
示例 2:
输入:n = 2, queries = [[0,0,1,1]] 输出:[[1,1],[1,1]] 解释:上图所展示的分别是:初始矩阵、执行完第一个操作后的矩阵。 - 第一个操作:将矩阵中的每个元素加 1 。
提示:
1 <= n <= 500
1 <= queries.length <= 10^4
0 <= row1i <= row2i < n
0 <= col1i <= col2i < n
提示 1
Imagine each row as a separate array. Instead of updating the whole submatrix together, we can use prefix sum to update each row separately.
提示 2
For each query, iterate over the rows i in the range [row1, row2] and add 1 to prefix sum S[i][col1], and subtract 1 from S[i][col2 + 1].
提示 3
After doing this operation for all the queries, update each row separately with S[i][j] = S[i][j] + S[i][j - 1].
解法:二维差分 + 二维前缀和
回想下,一维差分是怎么做的。
把一段区间的元素 +1,可以记录「变化量」,把区间起点 +1,区间终点右侧 −1,这样「变化量的前缀和」就是实际结果。注意 −1 的地方是终点下标 +1 的位置。
推广到二维,也就是把一个区域的元素都 +1,那就需要用一个二维数组来记录变化量,然后对这个二维数组求二维前缀和,就得到了实际结果,即本题的 mat。
怎么记录二维的变化量呢?
从二维前缀和的角度来看,对区域左上角 +1 会对所有右下位置产生影响,那么在区域右上角的右边相邻处和左下角的下边相邻处 −1 可以消除这个影响,但是两个 −1 又会对区域右下角的右下所有位置产生影响,所以要在右下角的右下相邻处再 +1 还原回来。
Java版:
class Solution {
public int[][] rangeAddQueries(int n, int[][] queries) {
int[][] diff = new int[n + 2][n + 2];
// 二维差分
for (int[] q: queries) {
int r1 = q[0];
int c1 = q[1];
int r2 = q[2];
int c2 = q[3];
diff[r1 + 1][c1 + 1] += 1;
diff[r2 + 2][c1 + 1] -= 1;
diff[r1 + 1][c2 + 2] -= 1;
diff[r2 + 2][c2 + 2] += 1;
}
int[][] ans = new int[n][n];
// 用二维前缀和复原
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= n; j++) {
ans[i - 1][j - 1] = diff[i][j] += diff[i][j - 1] + diff[i - 1][j] - diff[i - 1][j - 1];
}
}
return ans;
}
}
Python3版:
class Solution:
def rangeAddQueries(self, n: int, queries: List[List[int]]) -> List[List[int]]:
diff = [[0] * (n + 2) for _ in range(n + 2)]
# 二维差分
for r1, c1, r2, c2 in queries:
diff[r1 + 1][c1 + 1] += 1
diff[r1 + 1][c2 + 2] -= 1
diff[r2 + 2][c1 + 1] -= 1
diff[r2 + 2][c2 + 2] += 1
# 用二维前缀和复原(原地修改)
for i in range(1, n + 1):
for j in range(1, n + 1):
diff[i][j] += diff[i][j - 1] + diff[i - 1][j] - diff[i - 1][j - 1]
# 保留中间 n*n 的部分,即为答案
diff = diff[1: -1]
for i, row in enumerate(diff):
diff[i] = row[1: -1]
return diff
复杂度分析
- 时间复杂度:O(n^2+q),其中 q 为 queries 的长度。
- 空间复杂度:O(n^2)。