1074. Number of Submatrices That Sum to Target & 363. Max Sum of Rectangle No Larger Than K

我知道前缀和很有用，但是没想到能够这么用。
这道题题目想了很多方法。包括各种dp（这是习惯了），发现dp不行，然后就没辙了。
然后评论区的答案是：
首先计算每一行的前缀和。
然后对于列中的每一对，计算每一行的和。这时候再算符合要求的个数就是用前缀和了。

这一道题总的目的还是计算很多小矩形的和。如果和为target，就符合要求。
如果是很多小区间的和，很明显用前缀和。但是小矩形，可以想到把每一行的和先弄出来（用前缀和），这时候再用前缀和的方式看那一列，就可以了。

class Solution {
public:
    int numSubmatrixSumTarget(vector<vector<int>>& matrix, int target) {
        int rows = matrix.size(), cols = matrix[0].size();
        for (int i = 0; i < rows; ++i) 
            for (int j = 1; j < cols; ++j)
                matrix[i][j] += matrix[i][j-1];
        
       
        
        int retCnt = 0;
        for (int i = 0; i < cols; ++i)
            for (int j = i; j < cols; ++j) {
                unordered_map<int, int> m;
                m[0] = 1;
                int curr = 0;
                for (int k = 0; k < rows; ++k) {
                    curr += matrix[k][j] - (i > 0? matrix[k][i-1] : 0);
                    if (m.find(curr - target) != m.end())
                        retCnt += m[curr-target];
                    m[curr]++;
                }
            }
        return retCnt;
    }
};
//有很多不同的小矩形，也就是有很多的：x轴向的区间，y轴向的区间。
//有很多区间要求的话，前缀和。。。太骚了。

根本没有想到会用这种方法。
之前总结的，如果要很快的算出一个数组的各个区间的和，那么用前缀和；没有想到算出二维数组中各个小矩形的和也可以这么做。

另外，关于二维数组的处理中，各种思路有：
1.最大正方形：dp
2.最大矩形：dp，算出每一个的高度，每一行使用找到最大矩形的方法计算
3.二维数组的和：前缀和。

另外一道类似的：

class Solution {
public:
    int maxSumSubmatrix(vector<vector<int>>& matrix, int k) {
        if (matrix.empty() || matrix[0].empty())
            return 0;
        int rows = matrix.size(), cols = matrix[0].size();
        for (int i = 0; i < rows; ++i)
            for (int j = 1; j < cols; ++j) 
                matrix[i][j] += matrix[i][j-1];
        
        int target = k;
        
        int retNum = INT_MIN;
        for (int i = 0; i < cols; ++i)
            for (int j = i; j < cols; ++j) {
                set<int> si;
                int curr = 0;
                for (int k = 0; k < rows; ++k) {
                    curr += (matrix[k][j] - (i > 0? matrix[k][i-1] : 0));
                    if (curr == target)
                        return curr;
                    if (curr < target)
                        retNum = max(curr, retNum);
                    auto iter = si.lower_bound(curr-target);
                    if (iter != si.end())
                        retNum = max(retNum, curr-*iter);
                    si.insert(curr);
                }
            }
        return retNum;
    }
};