邻域均值------二维前缀和

3412. 邻域均值 - AcWing题库

前缀数组（Prefix Array）通常适用于以下情况：

1. 快速检索：当需要频繁地检索某个区间内的元素和时，使用前缀数组可以在 O(1) 的时间复杂度内完成查询操作。这在一些需要频繁查询区间和的场景下非常有用，如区间和、区间最小值、区间最大值等。
2. 动态规划问题：前缀数组在解决一些动态规划问题时非常有用，例如，如果需要快速计算数组中每个位置左侧或右侧所有元素的和，可以使用前缀数组预先计算并存储前缀和或后缀和。
3. 数组操作优化：在一些需要多次操作数组的问题中，使用前缀数组可以预处理并存储一些信息，以加速后续的操作。例如，可以使用前缀数组来存储数组的累积和，然后通过相减操作快速计算任意两个位置之间的区间和。
4. 字符串匹配：前缀数组也可以应用于字符串匹配问题。例如，可以使用前缀数组来存储每个前缀的哈希值，以便在字符串匹配时快速比较子串的哈希值是否匹配。

总的来说，前缀数组适用于需要频繁查询某个区间元素和或者预处理数组信息以加速后续操作的问题，是一种常见且实用的数据结构和算法技巧。

def main():
    # n, m = list(map(int, input().split()))
    n, L, r, t = list(map(int, input().split()))
    f = [ [0] * (n+1) for _ in range(n) ]
    matrix = [ [] for _ in range(n) ]
    ans = 0
    for i in range(n):
        matrix[i] = list(map(int, input().split()))
        for j in range(n):
            f[i][j+1] = f[i][j] + matrix[i][j]

    def neiMean(i, j, n, r) -> float :
        i_start = max(0, i - r)
        j_start = max(0, j - r)
        i_end = min(i + r + 1, n)
        j_end = min(j + r + 1, n)
        m_sum = 0
        for row in range(i_start, i_end):
            m_sum += f[row][j_end] - f[row][j_start]    

        return m_sum / ((i_end - i_start) * (j_end - j_start))

    for i in range(n):
        for j in range(n):
            if neiMean(i, j, n, r) <= t:
                ans += 1
    
    print(ans)

    return
    
     


if __name__ == "__main__":
    main()

#include <iostream>
#include <vector>
#include <algorithm>

using namespace std;

// 计算邻域均值的函数
double neiMean(int i, int j, int n, int r, vector<vector<int>>& f) {
    // 计算邻域的边界
    int i_start = max(0, i - r);
    int j_start = max(0, j - r);
    int i_end = min(i + r + 1, n);
    int j_end = min(j + r + 1, n);
    
    // 计算邻域内的和
    double m_sum = 0;
    for (int row = i_start; row < i_end; row++) {
        m_sum += f[row][j_end] - f[row][j_start];
    }
    // 返回邻域均值
    return m_sum / ((i_end - i_start) * (j_end - j_start));
}

int main() {
    int n, L, r, t;
    // 获取输入
    cin >> n >> L >> r >> t;
    
    // 初始化存储矩阵和前缀和的二维向量
    vector<vector<int>> f(n, vector<int>(n + 1, 0));
    vector<vector<int>> matrix(n, vector<int>(n));

    int ans = 0;
    // 读取矩阵并计算前缀和
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            cin >> matrix[i][j];
            f[i][j+1] = f[i][j] + matrix[i][j];
        }
    }

    // 遍历矩阵，计算满足条件的格子数量
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            if (neiMean(i, j, n, r, f) <= t) {
                ans += 1;
            }
        }
    }

    // 输出结果
    cout << ans << endl;

    return 0;
}