算法精讲——前缀和：小白也能秒懂的时空魔法

算法精讲——前缀和：小白也能秒懂的时空魔法 ✨

📖 本文配套练习：力扣前缀和专题

🧑💻 建议边看边敲代码体验更佳哦~

---

🌰 从存钱罐说起——什么是前缀和？

想象你有个存钱罐📦，每天记录存入金额：

天数	1	2	3	4	5
金额	2	5	1	3	4

如果要算第3天到第5天存了多少钱，传统做法是：1+3+4=8元💰 前缀和的做法是：预先计算累计金额，这样就能快速查询任意区间的和！

// 前缀和数组计算（索引从1开始更直观）
int[] nums = {2,5,1,3,4};
int[] preSum = new int[nums.length+1];

for(int i=1; i<=nums.length; i++){
    preSum[i] = preSum[i-1] + nums[i-1]; 
}
// 得到 [0,2,7,8,11,15]

---

🧩 一维前缀和实战教学

例题1：基础查询（力扣303）

区域和检索 - 数组不可变

graph LR
    A[原始数组] --> B[构造前缀数组]
    B --> C{查询请求}
    C --> D[计算差值]

Java实现细节：

class NumArray {
    private int[] preSum;
  
    // 初始化：O(n)时间
    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];
        }
    }
  
    // 查询：O(1)时间
    public int sumRange(int left, int right) {
        return preSum[right+1] - preSum[left];
    }
}

🔍 关键点解析：

1. preSum[0] = 0 作为哨兵值，统一计算逻辑
2. 数组索引从1开始，与天数自然对应
3. 查询时注意right+1的边界处理

---

🚀 二维前缀和升级版

例题2：矩阵区域和（力扣304）

二维区域和检索 - 矩阵不可变

假设我们有如下矩阵：

1 2 3
4 5 6
7 8 9

对应的二维前缀和矩阵：

// 构造公式：
preSum[i][j] = preSum[i-1][j] 
             + preSum[i][j-1] 
             - preSum[i-1][j-1] 
             + matrix[i-1][j-1];

// 结果矩阵：
0  0  0  0
0  1  3  6
0  5 12 21
0 12 27 45

可视化推导：

graph TD
    A[原点0,0] --> B[计算第一行]
    B --> C[逐行填充]
    C --> D[处理重叠区域]

Java实现：

class NumMatrix {
    private int[][] preSum;

    public NumMatrix(int[][] matrix) {
        int m = matrix.length, n = matrix[0].length;
        preSum = new int[m+1][n+1];
      
        for(int i=1; i<=m; i++){
            for(int j=1; j<=n; j++){
                preSum[i][j] = preSum[i-1][j] 
                             + preSum[i][j-1] 
                             - preSum[i-1][j-1] 
                             + matrix[i-1][j-1];
            }
        }
    }
  
    public int sumRegion(int row1, int col1, int row2, int col2) {
        return preSum[row2+1][col2+1] 
             - preSum[row1][col2+1] 
             - preSum[row2+1][col1] 
             + preSum[row1][col1];
    }
}

---

💡 高阶技巧：前缀和+哈希表

例题3：统计子数组（力扣560）

和为 K 的子数组

class Solution {
    public int subarraySum(int[] nums, int k) {
        HashMap<Integer, Integer> map = new HashMap<>();
        map.put(0, 1); // 初始状态：前缀和为0出现1次
        int count = 0, preSum = 0;
      
        for(int num : nums){
            preSum += num;
            // 查找之前是否存在preSum - k
            if(map.containsKey(preSum - k)){
                count += map.get(preSum - k);
            }
            map.put(preSum, map.getOrDefault(preSum, 0) + 1);
        }
        return count;
    }
}

🔑 核心思想： 通过哈希表记录前缀和出现次数，将时间复杂度从O(n²)降到O(n)

---

📝 总结表格：不同场景的时空复杂度

场景	暴力法时间复杂度	前缀和优化后
一维区间查询	O(n) per query	O(1)
二维矩阵查询	O(mn)	O(1)
统计子数组	O(n²)	O(n)

---

🛠️ 前缀和四步使用法

1. 识别问题：是否涉及区间累加和？
2. 构建preSum：注意初始化方式和索引偏移
3. 推导公式：找出preSum之间的数学关系
4. 处理边界：特别是二维场景的四个角点计算

🎯 现在尝试用前缀和解这道题吧：724. 寻找数组的中心下标