1、一维数组中的前缀和
例题1:区域和检索 - 数组不可变
代码:
普通做法:
class NumArray {
private:
vector<int> nums;
public:
NumArray(vector<int>& nums) {
this->nums = nums;
}
int sumRange(int left, int right) {
int res = 0;
for (int i = left; i <= right; i++) {
res += nums[i];
}
return res;
}
};
前缀和做法:
class NumArray {
public:
vector<int> sums;
NumArray(vector<int>& nums) {
int n = nums.size();
sums.resize(n + 1);
sums[0] = 0;
for(int i = 1; i< n+1; i++){
sums[i] = sums[i-1] + nums[i-1];
}
}
int sumRange(int left, int right) {
return sums[right + 1] - sums[left];
}
};
普通做法有很多冗余的操作,因为 sumRange
方法会被频繁调用,而它的时间复杂度是 O(N)
,其中 N
代表 nums
数组的长度。
再举一个简单的例子,比如,你们班上有若干同学,每个同学有一个期末考试的成绩(满分 100 分),那么请你实现一个 API,输入任意一个分数段,返回有多少同学的成绩在这个分数段内?
实际上就是计算a < score < b,类比于上一道题的区间,我们只需要得到一个数组,每个值是指低于这个分数的人数,就可以很轻松得到分数段的同学数量了。
总结:
i)sums[i] = sums[i-1] + nums[i-1];后面两个都是i-1, sums数组记得要resize到n+1,因为前0个是一个都不取。
2、 二维数组中的前缀和
例题2:二维区域和检索 - 矩阵不可变
代码:
方法一:类比一维前缀和
class NumMatrix {
public:
vector<vector<int>> sums;
vector<int> rowSum;
NumMatrix(vector<vector<int>>& matrix) {
for(const auto row : matrix){
rowSum.resize(row.size()+1);
rowSum[0] = 0;
for(int i = 1; i< row.size()+1; i++){
rowSum[i] = rowSum[i-1] + row[i-1];
}
sums.push_back(rowSum);
}
}
int sumRegion(int row1, int col1, int row2, int col2) {
int ans = 0;
for(int i = row1; i<=row2; i++){
ans += sums[i][col2 + 1] - sums[i][col1];
}
return ans;
}
};
方法二:二维前缀和:
class NumMatrix {
public:
vector<vector<int>> sums;
NumMatrix(vector<vector<int>>& matrix) {
int r = matrix.size();
int c = matrix[0].size();
sums.resize(r+1, vector<int>(c+1));
for(int i = 0; i< r; i++){
for(int j = 0; j< c; j++){
sums[i+1][j+1] = sums[i][j+1] + sums[i+1][j] - sums[i][j] + matrix[i][j];
}
}
}
int sumRegion(int row1, int col1, int row2, int col2) {
return sums[row2+1][col2+1] + sums[row1 ][col1 ] - sums[row1][col2+1] - sums[row2+1][col1];
}
};
总结:
i)注意sums[i][j]表示前i行前j列的和,所以0,j 和 i,0不用算。