leetcode_560:和为K的子数组

1. 使用累加和

顾名思义就是使用累加数组sums[i]，每个位置上的元素就是此位置及前面所有元素之和。然后针对其中的每个元素right，求它与前面每个元素left之差，这个差就是中间元素right-left的和。这样就能求得所有的可能解：

    public int subarraySum(int[] nums, int k) {
        int[] sums = new int[nums.length];
        sums[0] = nums[0];
        int count = 0;
        for(int i=1; i < nums.length; ++i) {
            sums[i] = sums[i-1]+ nums[i];   //先求和
            if(sums[i] == k) {count++;}   //每个和本身有可能就是k，所以先统计
        }
        for (int i = 1; i < sums.length; ++i) {
            for (int j = 0; j < i; ++j) {
                if (sums[i] - sums[j] == k) {  //再求和为k的情况
                    count++;
                }
            }
        }
        return nums[0] == k ? count+1 : count;  //查看第一个数字是不是本身是K
    }

当然与此类似的一种思路就是不使用这个累加数组，而是使用双指针start和end，然后通过不断计算start和end之间的和来计数，然后迭代end到最后。这样就不需要额外的存储空间，而时间复杂度也没有改变O(n²)。

2. 采用哈希表

其实这种思路是上面那种思路的优化，我们看后面的那个双重循环我们是怎么判断的，我们使用双指针然后判断两个和的差值是不是k，那么我们是不是可以换个思路。我们不一个个的判断两个和的差值，而是使用一个和减去k得到另一个“和”，看看这个“和”是不是我们求过的和，如果是那么说明是存在的。
所以我们就得到了解决方法，我们将所有的和放到一个哈希表里，然后对于每个和sum我们求minus = sum-k，然后看minus是否存在于哈希表中，如果存在则让count加1。下面看一下代码：

	public int subarraySum(int[] nums, int k) {
        int count = 0, sum = 0;
        HashMap<Integer, Integer> map = new HashMap<>();
        map.put(0, 1);
        for (int i = 0; i < nums.length; i++) {
            sum += nums[i];
            if (map.containsKey(sum - k)) //求得一个预期的"和"，看看它是否存在于哈希表中
                count += map.get(sum - k);
            map.put(sum, map.getOrDefault(sum, 0) + 1);//然后将新的和放到哈希表中
        }
        return count;
    }