一文掌握树状数组

定义

树状数组或二叉索引树（英语：Binary Indexed Tree），又以其发明者命名为Fenwick树，最早由Peter M. Fenwick于1994年以A New Data Structure for Cumulative Frequency Tables为题发表在SOFTWARE PRACTICE AND EXPERIENCE。其初衷是解决数据压缩里的累积频率（Cumulative Frequency）的计算问题，现多用于高效计算数列的前缀和， 区间和。

原码，反码，补码的产生过程，就是为了解决，计算机做减法和引入符号位（正号和负号）的问题。

原码

是最简单的机器数表示法。用最高位表示符号位，‘1’表示负号，‘0’表示正号。其他位存放该数的二进制的绝对值。

若以带符号位的四位二进值数为例

1. 1010 ： 最高位为1,表示这是一个负数，其他三位为010
2. 即（0*2^2）+（1*2^1）+（0*2^0）=2（‘^’表示幂运算符）
3. 所以1010表示十进制数（-2）。

反码

正数的反码还是等于原码,负数的反码就是他的原码除符号位外，按位取反

若以带符号位的四位二进制数为例：

1. 3是正数，反码与原码相同，则可以表示为0011
2. -3的原码是1011，符号位保持不变，低三位（011）按位取反得（100）
3. 所以-3的反码为1100

补码

正数的补码等于他的原码，负数的补码等于反码+1。（这只是一种算补码的方式，多数书对于补码就是这句话

负数的补码等于他的原码自低位向高位，尾数的第一个‘1’及其右边的‘0’保持不变，左边的各位按位取反，符号位不变。

树状数组

$C[1]=A[1]$
$C[2]=A[1]+A[2]$
$C[3]=A[3]$
$C[4]=A[1]+A[2]+A[3]+A[4]$
$C[5]=A[5]$
$C[6]=A[5]+A[6]$
$C[7]=A[7]$
$C[8]=A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7]+A[8]$

$C[i]=A[i-2^k+1]+A[i-2^k+2]+...+A[i]$

其中k为i的二进制中最低位到最高位连续0的长度，

1.举例 ，6，二进制为0110, 这时候k为1，从右往左数0，遇到第一个1的时候停下来：

$C[6]=A[6-2^1+1]+A[6]$ => $C[6]=A[5]+A[6]$

可能有疑问指出，为什么不是

$C[6]=A[6-2^1+1]+A[6-2^1+2]+...+A[6]$ => $C[6]=A[5]+A[6]+...+A[i]$

因为6的二进制为0110，其低位只有10,也就是两个元素，即$C[6]$只管理两个节点，对应图上可以看出是$A[6]$与$A[5]$

2.举例，4 二进制为0100，这时候k为2，从右往左数，遇到第一个1的时候停下来：

$C[4]=A[i-2^2+1]+A[i-2^2+2]+...+A[i]$ => $C[4]=A[1]+A[2]+A[3]+A[4]$

找前7项的和

$SUM=C[7]+C[7-2^{k1}]+C[(7-2^{k1})-2^{k2}]$ => $SUM=C[7]+C[7-2^0]+C[(7-2^0)-2^1]$ => $SUM=C[7]+C[6]+C[4]$

$k1$ 为7的二进制中从最低位到高位连续零的长度
$k2$ 为6的二进制中从最低位到高位连续零的长度
$k3$ 为4的二进制中从最低位到高位连续零的长度

公式:

$SUM=C[i]+C[i-2^{k1}]+C[(i-2^{k1})-2^{k2}]+...$

$lowbit(x)$= KaTeX parse error: Expected 'EOF', got '&' at position 2: x&̲(-x)

• 当x为0时结果为0
• x为奇数时，结果为1
• x为偶数时，结果为x中2的最大次方的因子，即$2^k$

离散化

针对数值的大小做一个排名的「映射」，把原始数据映射到 [1, len] 这个区间，这样「树状数组」底层的数组空间会更紧凑，更易于维护。

update(i)

如果要更新$A[i]$的值时，与$A[i]$直接关联的$C[]$有：

$C[i],C[i+2^{k1}],C[(i+2^{k1})+2^{k2}]....$

其中，$i$是初始索引，$k1$是$i$的$lowbit$，$k2$是$i-2k1$的$lowbit$

举例:$A[1]$，与其直接关联的$C[]$有：

$C[i],C[i+2^{k1}],C[(i+2^{k1})+2^{k2}]....$ => $C[1],C[1+2^1],C[(i+2^1)+2^2]....$ => $C[1],C[2],C[4]$

其代码实现是实现$lowbit$的增加，i += lowbit(i) 但是i的值不能超过n

query(i)

其代码实现是实现$lowbit$的减少，i -= lowbit(i),但是i的值不能小于1

举例，参考的yangbingjie的题解的例子

FenwickTree

class FenwickTree {
    int n;
    int[] C;
    //初始化
    public FenwickTree(int n) {
        this.n = n;
        this.C = new int[n];
    }

    // 单点更新：将 i 位置与其直接关联的 C 都更新一遍
    public void update(int i) {
        while (i < n) {
            C[i]++;
            i += lowbit(i);
        }
    }

    //传进来的值-1过，查询之前有多少个数
    //区间查询：查询小于等于 i 的元素个数
    public int query(int i) {
        int sum = 0;
        while (i >= 1) {
            sum += C[i];
            i -= lowbit(i);
        }
        return sum;
    }
    //算lowbit
    public int lowbit(int x) {
        return x & (-x);
    }
}

主体代码

思路

• 预处理$nums$数组，使用TreeSet的结构去重排序
• 做一个$Map<k,v>$其中$k$是$nums$中的数字，$v$是改元素的排名，从小到大排列
• 初始化$FenwickTree$,多放一个位置，使下标从1开始
• 从右到左遍历，获取到该元素的排名后（离散化后索引），

    public List<Integer> countSmaller(int[] nums) {
        List<Integer> res = new ArrayList<>();
        int len = nums.length;
        if (len == 0) return res;
        //1.预处理nums
        Set<Integer> treeSet = new TreeSet<>();
        for (int num : nums) treeSet.add(num);
        //2.匹配映射关系的map
        Map<Integer, Integer> map = new HashMap<>();
        int rank = 1;//相当于A数组的下标索引 
        for (int num : treeSet) {
            map.put(num, rank++);
        }
        //3.初始化FenwickTree
        FenwickTree fenwickTree = new FenwickTree(treeSet.size() + 1);
        for (int i = nums.length - 1; i >= 0; i--) {
            rank = map.get(nums[i]);
            //更新当前的元素的C[rank]
            fenwickTree.update(rank);
            //当前排名前的元素的个数
            res.add(fenwickTree.query(rank - 1));
        }
        Collections.reverse(res);
        return res;
    }
}

Reference

• 原码，反码，补码的深入理解与原理

• 官方链接

• 树状数组的详细分析（含实例）

• 「树状数组」知识入门