带你手撕前缀和

带你手撕前缀和

参考

link

link1

构造二维前缀和的三种方法

  • 先计算第一行与第一列再进行别的计算
  • 先固定行计算每一行的前缀和,再固定相应行的列的前缀和
  • 增加一维直接计算 pre[i][j]=pre[i-1][j]+pre[i][j-1]-pre[i-1][j-1]+data[i][j]

不说了上代码

// 这里讲的是二维的差分数组的应用

#include <iostream>
#include <vector>

using namespace std;

vector<vector<int>> GetSum1(const vector<vector<int>>& data) {
  int n = data.size();
  int m = data[0].size();
  auto prefix_sum = data;

  // 这个就是先求第一行第一列再求剩余的
  for (int i = 1; i < m; i++) {
    prefix_sum[0][i] = prefix_sum[0][i - 1] + prefix_sum[0][i];
  }

  for (int i = 1; i < n; i++) {
    prefix_sum[i][0] = prefix_sum[i][0] + prefix_sum[i - 1][0];
  }

  // 开始处理
  for (int i = 1; i < n; i++) {
    for (int j = 1; j < m; j++) {
      prefix_sum[i][j] = prefix_sum[i - 1][j] + prefix_sum[i][j - 1] -
                         prefix_sum[i - 1][j - 1] + data[i][j];
    }
  }
  return prefix_sum;
}

vector<vector<int>> GetSum2(
    const vector<vector<int>>& data) {  // 这是用固定行列的方法计算出来的
  int n = data.size();
  int m = data[0].size();
  auto prefix_sum = data;
  // 先固定行

  for (int i = 0; i < n; i++) {
    for (int j = 1; j < m; j++) {
      prefix_sum[i][j] = prefix_sum[i][j - 1] + prefix_sum[i][j];
    }
  }

  // 再固定列

  for (int j = 0; j < m; j++) {
    for (int i = 1; i < n; i++) {
      prefix_sum[i][j] = prefix_sum[i][j] + prefix_sum[i - 1][j];
    }
  }
  return prefix_sum;
}

vector<vector<int>> GetSum3(const vector<vector<int>>& data) {
  int n = data.size();
  int m = data[0].size();
  // 这个就是增加一维来进行处理
  vector<vector<int>> prefix_sum(n + 1, vector<int>(m + 1, 0));

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

int GetArea(vector<vector<int>>& data, int x1, int y1, int x2, int y2) {
  // 函数是找到左上角为(x1,y1)右下角为(x2,y2)的数字的和
  if (x1 < 0 || y1 < 0 || x2 >= data.size() ||
      y2 >= data[0].size()) {  // 不合理
    return -1;
  }
}

void Show(vector<vector<int>>& data) {
  for (auto a : data) {
    for (auto b : a) {
      cout << b << " ";
    }
    cout << endl;
  }
  cout << "================" << endl;
}

int main() {
  vector<vector<int>> data = {{1, 2, 3, 4}, {5, 6, 7, 8}};
  Show(data);
  auto prefix_1 = GetSum1(data);
  Show(prefix_1);

  auto prefix_2 = GetSum2(data);
  Show(prefix_2);

  auto prefix_3 = GetSum3(data);
  Show(prefix_3);
}

结果

1 2 3 4 
5 6 7 8 
================
1 3 6 10 
6 14 24 36 
================
1 3 6 10 
6 14 24 36 
================
0 0 0 0 0 
0 1 3 6 10 
0 6 14 24 36 
================

其中

方法一

vector<vector<int>> GetSum1(const vector<vector<int>>& data) {
  int n = data.size();
  int m = data[0].size();
  auto prefix_sum = data;

  // 这个就是先求第一行第一列再求剩余的
  for (int i = 1; i < m; i++) {
    prefix_sum[0][i] = prefix_sum[0][i - 1] + prefix_sum[0][i];
  }

  for (int i = 1; i < n; i++) {
    prefix_sum[i][0] = prefix_sum[i][0] + prefix_sum[i - 1][0];
  }

  // 开始处理
  for (int i = 1; i < n; i++) {
    for (int j = 1; j < m; j++) {
      prefix_sum[i][j] = prefix_sum[i - 1][j] + prefix_sum[i][j - 1] -
                         prefix_sum[i - 1][j - 1] + data[i][j];
    }
  }
  return prefix_sum;
}

方法二

vector<vector<int>> GetSum2(
    const vector<vector<int>>& data) {  // 这是用固定行列的方法计算出来的
  int n = data.size();
  int m = data[0].size();
  auto prefix_sum = data;
  // 先固定行

  for (int i = 0; i < n; i++) {
    for (int j = 1; j < m; j++) {
      prefix_sum[i][j] = prefix_sum[i][j - 1] + prefix_sum[i][j];
    }
  }

  // 再固定列

  for (int j = 0; j < m; j++) {
    for (int i = 1; i < n; i++) {
      prefix_sum[i][j] = prefix_sum[i][j] + prefix_sum[i - 1][j];
    }
  }
  return prefix_sum;
}

方法三

vector<vector<int>> GetSum3(const vector<vector<int>>& data) {
  int n = data.size();
  int m = data[0].size();
  // 这个就是增加一维来进行处理
  vector<vector<int>> prefix_sum(n + 1, vector<int>(m + 1, 0));

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

例题

link

<think>我们正在汇总字节跳动面试中的题目。根据提供的引用,我们可以整理出以下题目: 1. 回溯算法:子集问题(无重复元素)[引用1] 2. 链表:相交链表(找出两个单链表相交的起始节点)[引用2] 3. 动态规划:最长公共子序列[引用3] 4. 树:二叉树的最近公共祖先(后序遍历)[引用2] 5. 字符串:最长公共前缀[引用1] 此外,引用[1]还提供了一些面试技巧,如不要急于写代码、注意代码格式、与面试官沟通等。 我们将按照题目类型分类,并给出每个题目的简要描述和示例代码(根据引用中的代码片段)。 注意:由于引用中提供的代码可能不完整,我们将根据常见的解法进行补充。 汇总如下: </think>### 字节跳动面试题目汇总 根据引用内容及高频考点,字节跳动面试写代码题目主要涵盖以下类别,附典型题目解析及代码实现: --- #### 一、回溯算法(高频) **题目特征**:组合/子集问题、排列问题 **典型例题**:子集问题(无重复元素) ```python class Solution: def subsets(self, nums: List[int]) -> List[List[int]]: res = [] path = [] def backtrack(start): res.append(path[:]) # 保存当前路径 for i in range(start, len(nums)): path.append(nums[i]) backtrack(i + 1) # 递归下一层 path.pop() # 回溯 backtrack(0) return res ``` **优化技巧**: 1. 剪枝条件:若含重复元素,需排序并跳过相同值(如`if i > start and nums[i]==nums[i-1]: continue`)[^1] 2. 迭代法:用二进制位表示元素选择状态,空间优化至$O(1)$ **相关题目**:全排列、组合总和 --- #### 二、链表操作(必考) **题目特征**:指针操作、环检测 **典型例题**:相交链表(引用[2]解法) ```java public class Solution { public ListNode getIntersectionNode(ListNode headA, ListNode headB) { ListNode p1 = headA, p2 = headB; while (p1 != p2) { p1 = (p1 == null) ? headB : p1.next; p2 = (p2 == null) ? headA : p2.next; } return p1; // 相遇点即相交节点 } } ``` **关键点**: - 时间复杂度 $O(m+n)$,空间复杂度 $O(1)$ - 数学原理:`len(A) + len(B) = len(B) + len(A)` **变形题**:环形链表II、反转链表 --- #### 三、动态规划(重点) **题目特征**:最优子结构、状态转移方程 **典型例题**:最长公共子序列(LCS,引用[3]解法) ```cpp int longestCommonSubsequence(string text1, string text2) { int m = text1.size(), n = text2.size(); vector<vector<int>> dp(m+1, vector<int>(n+1, 0)); for (int i = 1; i <= m; i++) { for (int j = 1; j <= n; j++) { if (text1[i-1] == text2[j-1]) dp[i][j] = dp[i-1][j-1] + 1; else dp[i][j] = max(dp[i-1][j], dp[i][j-1]); } } return dp[m][n]; } ``` **关键点**: - 状态定义:`dp[i][j]` 表示 `text1[0:i]` 和 `text2[0:j]` 的 LCS 长度 - 空间优化:滚动数组降维至 $O(n)$ **相关题目**:最长递增子序列、背包问题 --- #### 四、树结构(高频) **题目特征**:DFS/BFS、最近公共祖先 **典型例题**:二叉树的最近公共祖先(引用[2]提示解法) ```python def lowestCommonAncestor(root: 'TreeNode', p: 'TreeNode', q: 'TreeNode') -> 'TreeNode': if not root or root == p or root == q: return root left = lowestCommonAncestor(root.left, p, q) right = lowestCommonAncestor(root.right, p, q) if left and right: return root # 左右均找到说明当前节点是LCA return left if left else right # 单子树存在目标节点 ``` **关键点**: - 后序遍历思想:先处理子树再判断当前节点 - 时间复杂度 $O(n)$,空间复杂度 $O(h)$(树高) --- #### 五、字符串处理 **高频题型**: 1. **最长公共前缀**(引用[1]延伸) ```python def longestCommonPrefix(strs: List[str]) -> str: if not strs: return "" strs.sort() first, last = strs[0], strs[-1] for i in range(len(first)): if first[i] != last[i]: return first[:i] return first ``` **优化**:纵向扫描(无需排序),时间复杂度降至 $O(n \cdot \min)$ 2. 字符串转换、回文子串 --- ### 面试技巧总结(引用[1]关键点) 1. **勿急于写代码**:即使题目熟悉,先与面试官确认思路 2. **代码规范性**:对齐、命名规范、边界处理(如空输入) 3. **沟通策略**: - 无思路时主动讨论(例如:“我尝试用DFS,但担心时间复杂度,您觉得DP是否更合适?”) - 接受提示后快速调整(如引用[1]所述“提示往往是转折点”) 4. **日常训练**:每天2~3题保持感,重点吃透模板题[^1] --- ### 其他高频题型 | 类别 | 典型题目 | 考点 | |----------------|------------------------------|-----------------------| | **双指针** | 三数之和 | 去重、剪枝 | | **堆/优先队列**| 合并K个有序链表 | 最小堆实现 | | **二分查找** | 旋转数组搜索 | 边界条件处理 | | **图论** | 课程表(拓扑排序) | 入度表、BFS | ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值