K倍区间问题
1. 概述
-
一般会让求解满足条件的区间的个数,或者满足条件的区间的位置,或者满足条件的最长区间长度。
-
需要满足的条件可能是:
-
(1)区间和是
K
的倍数; -
(2)区间和等于
K
; -
(3)序列是一个
01
序列,区间中0
的个数等于1
的个数。
-
2. 例题
AcWing 1230. K倍区间
问题描述
- 问题链接:AcWing 1230. K倍区间
分析
-
求出原数组的前缀和数组
s
,如果一个区间[j...i]
中的数据是k
的倍数,则有(s[i] - s[j - 1]) % k == 0
。 -
因此当我们考虑
s[i]
时,我们找到s[0...i-1]
中有多少数和s[i]
模k
同余,将结果加到答案中即可。
代码
- C++
#include <iostream>
using namespace std;
typedef long long LL;
const int N = 100010;
int n, k;
LL s[N];
int cnt[N];
int main() {
scanf("%d%d", &n, &k);
for (int i = 1; i <= n; i++) {
scanf("%d", &s[i]);
s[i] += s[i - 1];
}
LL res = 0;
cnt[0]++;
for (int i = 1; i <= n; i++) {
res += cnt[s[i] % k];
cnt[s[i] % k]++;
}
printf("%lld\n", res);
return 0;
}
扩展:输出所有满足条件的区间
#include <iostream>
#include <unordered_map>
#include <set>
#include <vector>
using namespace std;
typedef long long LL;
const int N = 100010;
int n, k;
LL s[N];
unordered_map<int, set<int>> pos; // s[i]%k的值,位置
int main() {
scanf("%d%d", &n, &k);
for (int i = 1; i <= n; i++) {
scanf("%d", &s[i]);
s[i] += s[i - 1];
}
// 输出所有倍数是k的区间的起始位置,数组下标从1开始
pos[0] = {0};
for (int i = 1; i <= n; i++) {
if (pos.count(s[i] % k)) {
for (auto p : pos[s[i] % k])
cout << p + 1 << ' ' << i << endl;
}
pos[s[i] % k].insert(i);
}
return 0;
}
Leetcode 0523 连续的子数组和
分析
-
本题的考点:前缀和、哈希表。
-
首先求出原数组的前缀和数组
s
,对于某个s[i]
,我们希望判断sum[i] - sum[i-2], sum[i] - sum[i-3], ... , sum[i] - sum[0]
是否存在k的倍数即可。相当于判断sum[i]
和sum[k]
是否同余即可(0<= k <=i-2
),可以使用哈希表。
代码
- C++
class Solution {
public:
bool checkSubarraySum(vector<int>& nums, int k) {
int n = nums.size();
vector<int> s(n + 1);
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
unordered_set<int> hash; // 存储余数
for (int i = 2; i <= n; i++) {
hash.insert(s[i - 2] % k);
if (hash.count(s[i] % k)) return true;
}
return false;
}
};
class Solution {
public:
bool checkSubarraySum(vector<int>& nums, int k) {
int n = nums.size();
vector<int> s(n + 1);
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
unordered_set<int> hash; // 存储余数
hash.insert(0);
for (int i = 2; i <= n; i++) {
if (hash.count(s[i] % k)) return true;
hash.insert(s[i - 1] % k);
}
return false;
}
};
- Java
class Solution {
public boolean checkSubarraySum(int[] nums, int k) {
int n = nums.length;
int[] s = new int[n + 1];
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
HashSet<Integer> hash = new HashSet<>();
for (int i = 2; i <= n; i++) {
hash.add(s[i - 2] % k);
if (hash.contains(s[i] % k)) return true;
}
return false;
}
}
- Python
class Solution:
def checkSubarraySum(self, nums: List[int], k: int) -> bool:
n = len(nums)
s = [0 for _ in range(n + 1)]
for i in range(1, n + 1):
s[i] = s[i - 1] + nums[i - 1]
hash = set()
for i in range(2, n + 1):
hash.add(s[i - 2] % k)
if s[i] % k in hash:
return True
return False
时空复杂度分析
-
时间复杂度: O ( n ) O(n) O(n),
n
为数组长度。 -
空间复杂度: O ( n ) O(n) O(n)。
Leetcode 0525 连续数组
题目描述:Leetcode 0525 连续数组
分析
-
本题的考点:前缀和、哈希表。
-
本题类似于Leetcode 0523 连续的子数组和。
-
我们使用
s[i]
表示num[0...i-1]
中1
的个数减去0
的个数,对于某个i
,寻找sum[i] - sum[i-1], sum[i] - sum[i-2], ... , sum[i] - sum[0]
中值为0
的最小下标,更新结果。可以使用哈希表。 -
实际上,数组
s
并不需要开出来,用一个变量记录当前的前缀和即可。
代码
- C++
class Solution {
public:
int findMaxLength(vector<int>& nums) {
int n = nums.size();
unordered_map<int, int> hash; // (1的个数减去0的个数,最小下标)
hash[0] = 0;
int res = 0;
for (int i = 1, one = 0, zero = 0; i <= n; i++) {
int x = nums[i - 1];
if (x == 0) zero++;
else one++;
int s = one - zero;
if (hash.count(s)) res = max(res, i - hash[s]);
else hash[s] = i;
}
return res;
}
};
- Java
class Solution {
public int findMaxLength(int[] nums) {
int n = nums.length;
HashMap<Integer, Integer> hash = new HashMap<>(); // (sum[i], sum[i]出现的最小下标i)
hash.put(0, 0); // sum[0] = 0
int res = 0;
for (int i = 1, one = 0, zero = 0; i <= n; i++) {
int num = nums[i - 1];
if (num == 0) zero++;
else one++;
int s = one - zero; // s[i]
if (hash.containsKey(s)) res = Math.max(res, i - hash.get(s));
else hash.put(s, i);
}
return res;
}
}
- Python
class Solution:
def findMaxLength(self, nums: List[int]) -> int:
n = len(nums)
hash = {}
hash[0] = 0
res = 0; zero = 0; one = 0
for i in range(1, n + 1):
x = nums[i - 1]
if x == 0:
zero += 1
else:
one += 1
s = one - zero
if s in hash:
res = max(res, i - hash[s])
else:
hash[s] = i
return res
时空复杂度分析
-
时间复杂度: O ( n ) O(n) O(n),
n
为数组长度。 -
空间复杂度: O ( n ) O(n) O(n)。
Leetcode 0560 和为K的子数组
分析
-
本题的考点:前缀和、哈希表。
-
我们使用数组
s
表示nums
的前缀和,当我们考虑s[i]
时,我们希望找到存在多少个j
,使得s[i]-s[j-1]=k
,其中1<=j<=i
,相当于让我们找到存在多少个s[i]-k
,因此可以使用哈希表记录前面数据出现的次数即可。 -
本题有两个扩展方向,可以扩展成多维,例如二维,对应Leetcode 1074 元素和为目标值的子矩阵数量。还可以在树上扩展,对应Leetcode 0437 路径总和 III。
代码
- C++
class Solution {
public:
int subarraySum(vector<int>& nums, int k) {
int n = nums.size();
vector<int> s(n + 1);
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
unordered_map<int, int> hash; // (数据,出现次数)
int res = 0;
for (int i = 0; i <= n; i++) {
res += hash[s[i] - k];
hash[s[i]]++;
}
return res;
}
};
- Java
class Solution {
public int subarraySum(int[] nums, int k) {
int n = nums.length;
int[] s = new int[n + 1];
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
HashMap<Integer, Integer> hash = new HashMap<>();
int res = 0;
for (int i = 1; i <= n; i++) {
hash.put(s[i - 1], hash.getOrDefault(s[i - 1], 0) + 1);
res += hash.getOrDefault(s[i] - k, 0);
}
return res;
}
}
- Python
class Solution:
def subarraySum(self, nums: List[int], k: int) -> int:
n = len(nums)
s = [0 for _ in range(n + 1)]
for i in range(1, n + 1):
s[i] = s[i - 1] + nums[i - 1]
hash = {}
hash[0] = 1
res = 0
for i in range(1, n + 1):
if s[i] - k in hash:
res += hash[s[i] - k]
if s[i] in hash:
hash[s[i]] += 1
else:
hash[s[i]] = 1
return res
时空复杂度分析
-
时间复杂度: O ( n ) O(n) O(n),
n
为数组长度。 -
空间复杂度: O ( n ) O(n) O(n)。
Leetcode 0930 和相同的二元子数组
分析
-
本题的考点:前缀和、哈希表。
-
使用数组
s
表示数组nums
的前缀和,对于当前考虑的s[i]
,我们希望找到满足s[i] - s[j]=goal
的j
的个数(其中0<=j<=i-1
),相当于问s[j] = s[i] - goal
出现的次数,可以使用哈希表解决。 -
类似的题目有:Leetcode 0523 连续的子数组和、Leetcode 0525 连续数组、Leetcode 0560 和为K的子数组、Leetcode 1074 元素和为目标值的子矩阵数量、Leetcode 0437 路径总和 III、Leetcode 0930 和相同的二元子数组、Leetcode 1711 大餐计数。
代码
- C++
class Solution {
public:
int numSubarraysWithSum(vector<int>& nums, int goal) {
int n = nums.size();
vector<int> s(n + 1);
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
int res = 0;
unordered_map<int, int> cnt;
for (int i = 1; i <= n; i++) {
cnt[s[i - 1]]++;
res += cnt[s[i] - goal];
}
return res;
}
};
- Java
class Solution {
public int numSubarraysWithSum(int[] nums, int goal) {
int n = nums.length;
int[] s = new int[n + 1];
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
int res = 0;
HashMap<Integer, Integer> cnt = new HashMap<>();
for (int i = 0; i <= n; i++) {
res += cnt.getOrDefault(s[i] - goal, 0);
cnt.put(s[i], cnt.getOrDefault(s[i], 0) + 1);
}
return res;
}
}
- Python
class Solution:
def numSubarraysWithSum(self, nums: List[int], goal: int) -> int:
n = len(nums)
s = [0 for _ in range(n + 1)]
for i in range(1, n + 1):
s[i] = s[i - 1] + nums[i - 1]
res = 0
cnt = {}
for i in range(1, n + 1):
if s[i - 1] not in cnt:
cnt[s[i - 1]] = 0
cnt[s[i - 1]] += 1
if s[i] - goal in cnt:
res += cnt[s[i] - goal]
return res
时空复杂度分析
-
时间复杂度: O ( n ) O(n) O(n),
n
为数组长度。 -
空间复杂度: O ( n ) O(n) O(n)。
Leetcode 1074 元素和为目标值的子矩阵数量
分析
-
本题的考点:前缀和、哈希表。
-
我们枚举子矩阵的上下边界,并计算出该边界内每列的元素和,则原问题转换成了如下一维问题:给定一个整数数组和一个整数
target
,计算该数组中子数组和等于target
的子数组个数。对应Leetcode 0560 和为K的子数组问题。
代码
- C++
class Solution {
public:
// Leetcode 0560 和为K的子数组
int subarraySum(vector<int> &nums, int target) {
int n = nums.size();
vector<int> s(n + 1);
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
unordered_map<int, int> hash;
hash[0] = 1;
int res = 0;
for (int i = 1; i <= n; i++) {
res += hash[s[i] - target];
hash[s[i]]++;
}
return res;
}
int numSubmatrixSumTarget(vector<vector<int>>& matrix, int target) {
int n = matrix.size(), m = matrix[0].size();
int res = 0;
for (int i = 0; i < n; i++) { // 枚举上边界
vector<int> nums(m);
for (int j = i; j < n; j++) { // 枚举下边界
for (int k = 0; k < m; k++)
nums[k] += matrix[j][k];
res += subarraySum(nums, target);
}
}
return res;
}
};
- Java
class Solution {
public int numSubmatrixSumTarget(int[][] matrix, int target) {
int n = matrix.length, m = matrix[0].length;
int res = 0;
for (int i = 0; i < n; i++) { // 枚举上边界
int[] nums = new int[m];
for (int j = i; j < n; j++) { // 枚举下边界
for (int k = 0; k < m; k++)
nums[k] += matrix[j][k];
res += subarraySum(nums, target);
}
}
return res;
}
private int subarraySum(int[] nums, int target) {
int n = nums.length;
HashMap<Integer, Integer> hash = new HashMap<>();
hash.put(0, 1);
int s = 0, res = 0; // s: 前缀和
for (int i = 1; i <= n; i++) {
s += nums[i - 1];
res += hash.getOrDefault(s - target, 0);
hash.put(s, hash.getOrDefault(s, 0) + 1);
}
return res;
}
}
- Python
class Solution:
def numSubmatrixSumTarget(self, matrix: List[List[int]], target: int) -> int:
n = len(matrix); m = len(matrix[0])
res = 0
for i in range(n):
nums = [0 for _ in range(m)]
for j in range(i, n):
for k in range(m):
nums[k] += matrix[j][k]
res += self.subarraySum(nums, target)
return res
def subarraySum(self, nums: List[int], k: int) -> int:
n = len(nums)
s = [0 for _ in range(n + 1)]
for i in range(1, n + 1):
s[i] = s[i - 1] + nums[i - 1]
hash = {}
hash[0] = 1
res = 0
for i in range(1, n + 1):
if s[i] - k in hash:
res += hash[s[i] - k]
if s[i] in hash:
hash[s[i]] += 1
else:
hash[s[i]] = 1
return res
时空复杂度分析
- 时间复杂度:
O
(
n
2
×
m
)
O(n^2 \times m)
O(n2×m),
n、m
为行数、列数。 - 空间复杂度: O ( m ) O(m) O(m)。
Leetcode 0437 路径总和 III
分析
-
本题的考点:前缀和、哈希表、递归。
-
本题存在两种解法,这里都将讲解一下:
方法1
-
考虑本题的一个简化形式,如果给我们一个一维数组,让我们求子数组等于某值的区间个数,可以使用前缀和,具体可以参考Leetcode 0560 和为K的子数组。
-
本题也可以使用前缀和,在递归遍历的过程中,使用
cur
表示当前路径的前缀和,当我们考虑当前节点时,我们需要找到当前路径前面存在多少个节点的前缀和t
,使得cur-t=sum
,相当于让我们找到存在多少个cur-sum
,因此可以使用哈希表记录前面数据出现的次数即可。 -
使用
C++
实现这种方法。因为每个节点只会被遍历一遍,因此时间复杂度是O(n)
的,n
是树中节点数目。 -
另外值得一提的是,LC560除了这种扩展方式,还可以扩展成多维,例如二维,对应Leetcode 1074 元素和为目标值的子矩阵数量。
方法2
-
还存在一种直接使用递归的做法,
pathSum(root, sum)
表示的含义是:在以root
为根结点的二叉树中,寻找和为sum
的路径,返回这样的路径个数。我们可以拆分成两部分考虑:(1)包含root
且和为sum
的路径条数;(2)不包含root
且和为sum
的路径条数(递归遍历root
的左右孩子)。 -
使用
Java
实现这种方式。时间复杂度是 O ( n 2 ) O(n ^ 2) O(n2)的,n
是树中节点数目。
代码
- C++
class Solution {
public:
unordered_map<int, int> cnt; // (前缀和,出现的次数)
int res = 0;
int pathSum(TreeNode* root, int sum) {
cnt[0]++;
dfs(root, sum, 0);
return res;
}
// cur: 前缀和
void dfs(TreeNode* root, int sum, int cur) {
if (!root) return;
cur += root->val;
res += cnt[cur - sum];
cnt[cur]++;
dfs(root->left, sum, cur), dfs(root->right, sum, cur);
cnt[cur]--;
}
};
- Java
class Solution {
// 在以root为根结点的二叉树中,寻找和为sum的路径,返回这样的路径个数
public int pathSum(TreeNode root, int sum) {
if (root == null) return 0;
int res = findPath(root, sum); // 包含结点root其和为sum的个数
res += pathSum(root.left, sum); // 进入左子树,寻找和为sum的路径
res += pathSum(root.right, sum); // 进入右子树,寻找和为sum的路径
return res;
}
// 在以node为根结点的二叉树中,寻找包含node的路径,和为sum, 返回这样的路径个数
private int findPath(TreeNode node, int sum) {
if (node == null) return 0;
int res = 0;
sum -= node.val;
if (sum == 0) res += 1;
res += findPath(node.left, sum);
res += findPath(node.right, sum);
return res;
}
}
时空复杂度分析
-
时间复杂度:
C++
: O ( n ) O(n) O(n),n
为树中节点数目。Java
: O ( n 2 ) O(n^2) O(n2)。 -
空间复杂度:和递归深度有关。