前缀和数组
技巧说明
此技巧主要用于频繁的范围求和
栗一
这是一道很典型的使用前缀和数组的题目。
对于频繁计算数组的一个范围的和,学没过前缀和数组的会这样做,
class NumArray{
private int[] nums;
NumArray(int[] nums) {
this.nums = nums;
}
public int sumRange(int[] sums, int left, int right) {
int sum = 0;
for(int i = left ;i <= right;i++){
sum += nums[i];
}
return sum;
}
}
这样确实可以达到效果,但是频繁这样操作,效率不是很高。
所以学过前缀和的会这么写从而提高效率
class NumArray{
private int[] nums;
private int[] preSum
NumArray(int[] nums) {
this.nums = nums;
int[] preSum = new int[nums.length + 1];
for (int i = 1; i <= nums.length ; i++) {
preSum[i] = preSum[i-1] + nums[i-1];
}
}
public int sumRange(int[] sums, int left, int right) {
return preSum[right+1] - preSum[left];
}
}
我们来分析一下这个preSum
它的长度是原数组的长度加一
preSum[0]
置为nums
数组前0个的和
preSum[1]
置为nums
数组前1个的和
preSum[2]
置为nums
数组前2个的和
所以我如果需要[0,1]
区间的和,则返回preSum[2]-preSum[0]
(前2个数的和减去前0个数的和)
所以我如果需要[3,5]
区间的和,则返回preSum[6]-preSum[3]
(前6个数的和减去前3个数的和)
所以这道力扣303题的代码为:
class NumArray {
private int[] preSum;
public NumArray(int[] nums) {
preSum = new int[nums.length+1];
for (int i = 1; i <= nums.length; i++) {
preSum[i]=preSum[i-1]+nums[i-1];
}
}
public int sumRange(int left, int right) {
return preSum[right+1]-preSum[left];
}
}
小试身手:初三一班的数学期末成绩(满分120分)出来了,现将成绩乱序列表发于你,请你统计在[min,max]
范围内的学生人数
方法签名:public int scoreRange(List<Integer> scores, int fullMarks, int min, int max)
在学前缀和数组之前
先将scores按升序排序
然后使用二分搜索两个端点,将长度返回
这样的思路确实没毛病,但是如果频繁需要查询,
就算是强如二分查找,也会消耗很多资源
学了前缀和数组之后
既然学了前缀和数组,我们就使用该技巧去优化
/**
* 返回成绩范围内的学生数
* @param scores 学生成绩列表
* @param fullMarks 这门成绩的满分
* @param min 最小值
* @param max 最大值
* @return 满足成绩区间的个数
*/
public int scoreRange(List<Integer> scores, int fullMarks, int min, int max){
int[] counts = new int[fullMarks + 1];
int[] preSums = new int[fullMarks + 2];
// counts[i]的意思是分数为i的学生有几个人
for (Integer score : scores) {
counts[score]++;
}
preSums[0]=0;
for (int i = 1; i <= counts.length; i++) {
preSums[i] = preSums[i-1] + counts[i-1];
}
// 也就是counts在区间[min,max]范围和
return preSums[max + 1] - preSums[min];
}
栗二
现在我们来解决力扣304:二维区域和检索 - 矩阵不可变
本质和一维的时候是一样的只不过变成了二维,需要预处理一个二维前缀和数组而已
class NumMatrix {
private int[][] preSums;
public NumMatrix(int[][] matrix) {
preSums = new int[matrix.length][matrix[0].length+1];
for (int i = 0; i < matrix.length; i++) {
for (int j = 1; j <= matrix[i].length; j++) {
preSums[i][j] = preSums[i][j-1] + matrix[i][j-1];
}
}
}
public int sumRegion(int row1, int col1, int row2, int col2) {
int sum = 0;
for (int i = row1; i <= row2; i++) {
sum += preSums[i][col2+1]-preSums[i][col1];
}
return sum;
}
}
这是另一种解法
class NumMatrix {
// 定义:preSum[i][j] 记录 matrix 中子矩阵 [0, 0, i-1, j-1] 的元素和
private int[][] preSum;
public NumMatrix(int[][] matrix) {
int m = matrix.length, n = matrix[0].length;
if (m == 0 || n == 0) return;
// 构造前缀和矩阵
preSum = new int[m + 1][n + 1];
for (int i = 1; i <= m; i++) {
for (int j = 1; j <= n; j++) {
// 计算每个矩阵 [0, 0, i, j] 的元素和
preSum[i][j] = preSum[i-1][j] + preSum[i][j-1] + matrix[i - 1][j - 1] - preSum[i-1][j-1];
}
}
}
// 计算子矩阵 [x1, y1, x2, y2] 的元素和
public int sumRegion(int x1, int y1, int x2, int y2) {
// 目标矩阵之和由四个相邻矩阵运算获得
return preSum[x2+1][y2+1] - preSum[x1][y2+1] - preSum[x2+1][y1] + preSum[x1][y1];
}
}