前缀和与差分数组 (一维和二维)

前言：今天写题目的时候遇到了一个二维差分的题目，由于之前没有接触过，因此前来记录一下

---

前缀和

差分通常需要和前缀和一起使用才能发挥奇效，所以我们先来介绍一下前缀和。

• 一维前缀和：对于一个长度为 $n$ 的数组 $arr$ , 前缀和数组的定义为 $sum[i+1]=sum[i]+arr[i]$, 其中 $i\in [0,n)$.

• 二维前缀和：对于一个行数为 $m$ 列数为 $n$ 的二维数组 $mat$, 定义为 $sum[i+1][j+1]=sum[i+1][j]+sum[i][j+1]-sum[i][j]+mat[i][j]$, 其中 $i\in [0,m),j\in [0,n)$.
  
  

• 前缀和的作用：对于求出的一维前缀和，我们可以在 $O(1)$ 的时间复杂度内求出数组中任意子数组的和，对于下标在 $[i,j]$ 的子数组，其和为 $sum[j+1]-sum[i]$

• 映射到二维空间，则可以通过二维的前缀和数组求出任意一个矩形区域对应的和，即原数组中左上角 $(i,j)$ 与右下角 $(x,y)$ 确定的矩形区域，对应的值总和为 $sum[x+1][y+1]-sum[x+1][j]-sum[i][y+1]+sum[i][j]$

---

差分数组

1. 一维差分

• 差分数组的作用是可以利用 线性时间 来处理 区间修改问题.

• 例如存在一个二维数组 $req$，对于每一个 $r=req[i]$， 需要将 $arr$ 数组中下标在 $[r[0],r[1]]$ 间的元素都加上 $r[2]$, 那么此时差分数组就具备很好的使用场景，具体的代码模板如下：

void check(vector<vector<int>>& req, vector<int>& arr){
    int m = req.size(), n = arr.size();

    vector<int> diff(n + 1);    

    for(auto& r : req){
        int x = r[2];
        diff[r[0]] += x;
        diff[r[1] + 1] -= x; 
    }

    arr[0] += diff[0];

    for(int i = 1; i < n; ++i){
        diff[i] += diff[i - 1];
        arr[i] += diff[i];
    }
}

• 此时的 $arr$ 数组中便为操作后的值

• 这里贴出部分题目供大家练习使用: LC 1589. 所有排列中的最大和, LC 1109. 航班预订统计

• 注意：区间处理 加减 问题也可以使用树状数组或线段树，但是代码量上远远不如差分数组，后两者适用于更高级的使用场景

2. 二维差分

• 如果你看到这里都毫无压力，那么可以看看接下来的二维差分数组

• 二维差分无非就是把一维差分的性质映射到了二维平面，适用场景变成了：二维数组中的子矩阵修改问题

• 举个栗子：对于一个 全 $0$ 的 $m\ast n$ 数组，若想将原数组中 $(i-1,j-1)$ 与 $(x-1,y-1)$ 所确定的矩形中的元素都加上 $1$, 那么在差分数组上的操作为下图所示:

• 只有对图中四个位置进行操作才能保证作用范围的正确性，对应的代码如下：

// 行数和列数都多开2, 以便前缀和的计算
vector<vector<int>> diff(m + 2, vector<int>(n + 2, 0));  

diff[i][j]++;
diff[x + 1][y + 1]++;
diff[x + 1][j]--;
diff[i][y + 1]--;

• 最后再利用 $O(mn)$ 的时间做一次二维前缀和即可

for(int i = 1; i <= m; ++i){
    for(int j = 1; j <= n; ++j){
        diff[i][j] += diff[i - 1][j] + diff[i][j - 1] - diff[i - 1][j - 1];
    }
}

• 整个过程中下标的计算很容易出错，使用时需要留意！
• 同样放出一道题供大家练习：LC 2132. 用邮票贴满网格图

---

总结

一维、二维前缀和以及一维差分是比较常见的，大家记忆后最好转化为适合自己的代码模板，二维差分存在难度，大家可以根据需要自行决定。收！