给定一个整数数组和一个整数 k,你需要找到该数组中和为 k 的连续的子数组的个数。
示例 1 :
输入:nums = [1,1,1], k = 2
输出: 2 , [1,1] 与 [1,1] 为两种不同的情况。
说明 :
数组的长度为 [1, 20,000]。
数组中元素的范围是 [-1000, 1000] ,且整数 k 的范围是 [-1e7, 1e7]。
显然,最暴力得做法是O(N^3), 枚举数组起点和中点,在遍历一遍求和,时间复杂度是O(N^3), 通过前缀和的优化,很容易将时间复杂度优化到O(N^2),
class Solution {
public:
int subarraySum(vector<int>& nums, int k) {
vector<int> dp(nums.size()+1,0);
for(int i=1;i<=nums.size();i++){
dp[i] = dp[i-1] + nums[i-1];
}
int res = 0;
for(int i=0;i<nums.size();i++){
for(int j=i+1;j<=nums.size();j++){
if(dp[j]-dp[i] == k){
res++;
}
}
}
return res;
}
};
实际上,即使不用额外的空间,也可以在O(N^2)的时间复杂度完成
class Solution {
public:
int subarraySum(vector<int>& nums, int k) {
int res = 0;
for(int i=0;i<nums.size();i++){
int sum = 0;
for(int j=i;j<nums.size();j++){
sum+=nums[j];
if(sum == k) res++;
}
}
return res;
}
};
模仿two sum的思想,使用Hash表,将时间复杂度优化到O(N), 注意会有多个前缀和相同的情况,所以应该用map而不是set
class Solution {
public:
int subarraySum(vector<int>& nums, int k) {
int res = 0, sum = 0;
unordered_map<int,int> Hash;
Hash[0]++;
for(int i=0;i<nums.size();i++){
sum += nums[i];
res += Hash[sum-k];
Hash[sum]++;
}
return res;
}
};