代码随想录01
数组
69.x的平方根
给你一个非负整数 x
,计算并返回 x
的 算术平方根 。
由于返回类型是整数,结果只保留 整数部分 ,小数部分将被 舍去 。
注意:不允许使用任何内置指数函数和算符,例如 pow(x, 0.5)
或者 x ** 0.5
。
思路:
- 思路一: 牛顿迭代法
- 时间复杂度:O(log_x_),此方法是二次收敛的,相较于二分查找更快。
- 空间复杂度:O(1)。
- 思路二: 二分法
- 时间复杂度:O(log_x_),即为二分查找需要的次数。
- 空间复杂度:O(1)。
代码:
- 思路一
class Solution {
public int mySqrt(int x) {
if(x == 0 || x == 1) {
return x;
}
double x0 = x,x1 = -1;// x0: 上一次估算值 x1: 此次估算值
while(true) {
x1 = (x0 + x/x0) / 2.0;// 公式
if(Math.abs(x1 - x0) < 1e-7) {
break;
}
x0 = x1;// 更新x0
}
return (int)x0;// 返回整数部分
}
}
- 思路二
class Solution {
public int mySqrt(int x) {
int l = 0, r = x, ans = -1;
while (l <= r) {
int mid = l + (r - l) / 2;
if ((long) mid * mid <= x) {
ans = mid; // 要设置ans,将<=x合并,x的算术平方根相乘一定不会大于x,要在<=中找最接近的
l = mid + 1;
} else {
r = mid - 1;
}
}
return ans;
}
}
367.有效的完全平方数
给你一个正整数 num
。如果 num
是一个完全平方数,则返回 true
,否则返回 false
。
完全平方数 是一个可以写成某个整数的平方的整数。换句话说,它可以写成某个整数和自身的乘积。
不能使用任何内置的库函数,如 sqrt
。
思路:
- 思路一: 数学法
- 时间复杂度:O(√n)
- 空间复杂度:O(1)
- 1 + 3 + 5 + … + (2n - 1) = n^2
- 所有的完全平方数都可以表示为几个连续奇数相加, 可以将一个数连续减去连续的奇数, 看看最后的结果是否为0
- 思路二: 二分法
- 时间复杂度:O(log_x_),即为二分查找需要的次数。
- 空间复杂度:O(1)。
- 若 $ xx < num $ 那么x一定在$ √num $ 的左侧, 若 $ xx > num $ 那么x一定在$ √num $ 的右侧, 否则x即为 $ √x $
代码:
- 法一:
class Solution {
public boolean isPerfectSquare(int num) {
int n = 1;
while(num > 0) {
num -= n;
n += 2;
}
return num == 0;
}
}
- 法二:
class Solution {
public boolean isPerfectSquare(int num) {
long l = 0,r = num;
while(l <= r) {
long m = l + ((r - l) >> 1);
if(m * m < num) {
l = m + 1;
}else if(m * m > num){
r = m - 1;
}else{
return true;// 结果一定是一个整数, 可以不合并
}
}
return false;
}
}
27.移除元素
https://leetcode.cn/problems/remove-element/description/
给你一个数组 nums
和一个值 val
,你需要 原地 移除所有数值等于 val
的元素。元素的顺序可能发生改变。然后返回 nums
中与 val
不同的元素的数量。
假设 nums
中不等于 val
的元素数量为 k
,要通过此题,您需要执行以下操作:
- 更改
nums
数组,使nums
的前k
个元素包含不等于val
的元素。nums
的其余元素和nums
的大小并不重要。 - 返回
k
。
思路:
- 快慢指针, 快指针负责挑选符合要求的数字, 慢指针负责设置新数组
- 注意: 当跳出for时, s指在下一个要放的位置, 即s的值就为新数组的有效长度
代码:
- 时间复杂度O(n) 空间复杂度O(1)
class Solution {
public int removeElement(int[] nums, int val) {
int s = 0;
for(int f = 0;f < nums.length;f++) {
if(nums[f] != val) {
nums[s++] = nums[f];
}
}
return s;
}
}
26.删除有序数组中的重复项
给你一个 非严格递增排列 的数组 nums
,请你** 原地** 删除重复出现的元素,使每个元素 只出现一次 ,返回删除后数组的新长度。元素的 相对顺序 应该保持 一致 。然后返回 nums
中唯一元素的个数。
考虑 nums
的唯一元素的数量为 k
,你需要做以下事情确保你的题解可以被通过:
- 更改数组
nums
,使nums
的前k
个元素包含唯一元素,并按照它们最初在nums
中出现的顺序排列。nums
的其余元素与nums
的大小不重要。 - 返回
k
。
思路:
- 快慢指针, 慢指针指向新数组中下一个元素要放置的位置, 快指针在前面筛选, 由于相同元素相邻, 因此只需要判断相邻元素是否相同, 若
- 若当前元素和前一个元素相同, 不加入新数组中, 否则, 加入新数组中
代码:
- 时间复杂度O(n) 空间复杂度O(1)
class Solution {
public int removeDuplicates(int[] nums) {
int s = 1;
for(int f = 1;f < nums.length;f++) {
if(nums[f] != nums[f - 1]) {
nums[s++] = nums[f];
}
}
return s;
}
}
283.移动零
给定一个数组 nums
,编写一个函数将所有 0
移动到数组的末尾,同时保持非零元素的相对顺序。
请注意 ,必须在不复制数组的情况下原地对数组进行操作。
思路:
- 快慢指针,快指针依次遍历整个数组,若当前元素不为零,则放置在慢指针的位置,慢指针后移一位,否则不做操作,最终所有非零元素会在相对次序不变的情况下保存在数组前面,0均位于末尾。
代码:
- 时间复杂度:O(n)
- 空间复杂度:O(1)
class Solution {
public void moveZeroes(int[] nums) {
if(nums == null) return;
int f = 0,s = 0;
for(f = 0;f < nums.length;f++) {
if(nums[f] != 0) { // 不等于0, 换到前面
int t = nums[f];
nums[f] = nums[s];
nums[s++] = t;
}
}
}
}
844.比较含退格的字符串
给定 s
和 t
两个字符串,当它们分别被输入到空白的文本编辑器后,如果两者相等,返回 true
。#
代表退格字符。
**注意:**如果对空文本输入退格字符,文本继续为空。
思路:
- 将每个字符串转为字符数组,从后往前遍历,使用变量n来记录尚未消耗的 ‘#’
- 若当前字符是 ‘#’ ,n++
- 若当前字符的 n == 0 ,说明此时没有需要消耗的 ‘#’
- 否则,当前字符有对应需要消耗的 ‘#’ ,n–,通过当前的字符,继续循环
代码:
- 时间复杂度 O(M + N) , 遍历两个字符串的时间
- 空间复杂度 O(1)
class Solution {
public boolean backspaceCompare(String s, String t) {
return convert(s).equals(convert(t));
}
public String convert(String s) { // 转换出使用'#'退格后的字符串
StringBuilder builder = new StringBuilder();// 用于保存转换后的字符串
char[] cs = s.toCharArray();// 原来的字符串转换出的数组
int n = 0;// 尚未消耗的'#'的数量
for(int i = cs.length - 1;i >= 0;i--) {
if(cs[i] == '#') { // 若当前字符为'#', 尚未消耗的'#'数加一
n++;
}else if (n == 0) { // 若当前没有尚未消耗的'#', 将当前的字符追加入答案
builder.append(cs[i]);
}else { // 消耗'#'
n--;
}
}
return builder.toString(); // 返回
}
}
977.有序数组的平方
给你一个按 非递减顺序 排序的整数数组 nums
,返回 每个数字的平方 组成的新数组,要求也按 非递减顺序 排序。
示例 1:
输入:nums = [-4,-1,0,3,10]
输出:[0,1,9,16,100]
解释:平方后,数组变为 [16,1,0,9,100]
排序后,数组变为 [0,1,9,16,100]
示例 2:
输入:nums = [-7,-3,2,3,11]
输出:[4,9,9,49,121]
提示:
1 <= nums.length <= 104
-104 <= nums[i] <= 104
nums
已按 非递减顺序 排序
进阶:
- 请你设计时间复杂度为
O(n)
的算法解决本问题
思路
- 绝对值相对大的一定在两边,从两边开始往中间走,取出两者中较大的那一个放入收集数组中,同时数组的指针前移
代码
class Solution {
public int[] sortedSquares(int[] nums) {
int n = nums.length;
int[] ans = new int[n]; // 返回值
int i = 0;// 从前往后
int j = n - 1;// 从后往前
for(int p = n - 1;p >= 0;p--) { // 从后往前填充答案数组
int x = nums[i] * nums[i]; // 前面值的平方
int y = nums[j] * nums[j]; // 后面值的平方
if(x > y) { // 前面值的平方大
ans[p] = x; // 将大的填充在p位值
i++; // 前指针后移
}else{ // 后面值的平方大于等于前面值的平方
ans[p] = y; // 将大的填充在p位值
j--; // 后指针前移
}
}
return ans; // 返回答案
}
}
209.长度最小的子数组
给定一个含有 n 个正整数的数组和一个正整数 s ,找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组,并返回其长度。如果不存在符合条件的子数组,返回 0。
示例:
- 输入:s = 7, nums = [2,3,1,2,4,3]
- 输出:2
- 解释:子数组 [4,3] 是该条件下的长度最小的子数组。
提示:
- 1 <= target <= 10^9
- 1 <= nums.length <= 10^5
- 1 <= nums[i] <= 10^5
思路
- 暴力解法:
这道题目暴力解法当然是 两个for循环,然后不断的寻找符合条件的子序列,时间复杂度很明显是O(n^2)
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int result = INT32_MAX; // 最终的结果
int sum = 0; // 子序列的数值之和
int subLength = 0; // 子序列的长度
for (int i = 0; i < nums.size(); i++) { // 设置子序列起点为i
sum = 0;
for (int j = i; j < nums.size(); j++) { // 设置子序列终止位置为j
sum += nums[j];
if (sum >= s) { // 一旦发现子序列和超过了s,更新result
subLength = j - i + 1; // 取子序列的长度
result = result < subLength ? result : subLength;
break; // 因为我们是找符合条件最短的子序列,所以一旦符合条件就break
}
}
}
// 如果result没有被赋值的话,就返回0,说明没有符合条件的子序列
return result == INT32_MAX ? 0 : result;
}
};
- 时间复杂度:O(n^2)
- 空间复杂度:O(1)
后面力扣更新了数据,暴力解法已经超时了。
- 滑动窗口:
所谓滑动窗口,就是不断的调节子序列的起始位置和终止位置,从而得出我们要想的结果。
- 窗口就是 满足其和 ≥ s 的长度最小的 连续 子数组。
- 窗口的起始位置如何移动:如果当前窗口的值大于等于s了,窗口就要向前移动了(也就是该缩小了)。
- 窗口的结束位置如何移动:窗口的结束位置就是遍历数组的指针,也就是for循环里的索引。
滑动窗口的精妙之处在于根据当前子序列和大小的情况,不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。
为什么时间复杂度是O(n) ?
每个元素在滑动窗后进来操作一次,出去操作一次,每个元素都是被操作两次,所以时间复杂度是 2 × n 也就是O(n)。
- 解答
class Solution {
public int minSubArrayLen(int target, int[] nums) {
// 1. 初始化变量left, result, sum
int left = 0;
int result = Integer.MAX_VALUE;
int sum = 0;
// 2. 滑动right, 判断sum >= target
for(int right = 0;right < nums.length;right++) {
sum+=nums[right];
// 2.1 sum >= left : 循环右移left, sum-nums[left]
// 2.2 sum < left : 右移right, 扩张滑动窗口, 增大sum
while(sum >= target) {
result = Math.min(result,right - left + 1);
sum-=nums[left++];
}
}
// 3. 判断res是否为最大值, 不是返回res, 否则返回0
return result == Integer.MAX_VALUE ? 0 : result;
}
}
904.水果成篮
你正在探访一家农场,农场从左到右种植了一排果树。这些树用一个整数数组 fruits
表示,其中 fruits[i]
是第 i
棵树上的水果 种类 。
你想要尽可能多地收集水果。然而,农场的主人设定了一些严格的规矩,你必须按照要求采摘水果:
- 你只有 两个 篮子,并且每个篮子只能装 单一类型 的水果。每个篮子能够装的水果总量没有限制。
- 你可以选择任意一棵树开始采摘,你必须从 每棵 树(包括开始采摘的树)上 恰好摘一个水果 。采摘的水果应当符合篮子中的水果类型。每采摘一次,你将会向右移动到下一棵树,并继续采摘。
- 一旦你走到某棵树前,但水果不符合篮子的水果类型,那么就必须停止采摘。
给你一个整数数组 fruits
,返回你可以收集的水果的 最大 数目。
提示:
1 <= fruits.length <= 105
0 <= fruits[i] < fruits.length
思路:
滑动窗口
代码:
class Solution {
public int totalFruit(int[] fruits) {
// 1. 初始化变量
int n = fruits.length;
int[] hash = new int[n];// 模拟hash表, 作为篮子, 数组下标就是水果的种类, 数组的值就是该类水果的个数
int left = 0;// 左指针
int res = 0;// 返回值
int kind = 0;// 种类数
// 2. 开始滑动, 向篮子中放入水果, 判断放入后kind是否>2
for(int right = 0;right < n;right++) {
int in = fruits[right];
if(hash[in] == 0) kind++;// 如果是第一次放入该类水果, 类型+1
hash[in]++;// 该类水果的个数+1
// 2.1 >2, 开始从left位置拿出水果
while(kind > 2) {
int out = fruits[left];
hash[out]--;// 开始拿出该类水果
if(hash[out] == 0) kind--;// 如果该种水果拿完, 类型-1
left++;// 更新左指针的位置
}
// 3. 更新res
res = Math.max(res,right - left + 1);
}
// 4. 返回
return res;
}
}
76.最小覆盖子串
给你一个字符串 s
、一个字符串 t
。返回 s
中涵盖 t
所有字符的最小子串。如果 s
中不存在涵盖 t
所有字符的子串,则返回空字符串 ""
。
注意:
- 对于
t
中重复字符,我们寻找的子字符串中该字符数量必须不少于t
中该字符数量。 - 如果
s
中存在这样的子串,我们保证它是唯一的答案。
示例 1:
输入:s = "ADOBECODEBANC", t = "ABC"
输出:"BANC"
解释:最小覆盖子串 "BANC" 包含来自字符串 t 的 'A'、'B' 和 'C'。
示例 2:
输入:s = "a", t = "a"
输出:"a"
解释:整个字符串 s 是最小覆盖子串。
示例 3:
输入: s = "a", t = "aa"
输出: ""
解释: t 中两个字符 'a' 均应包含在 s 的子串中,
因此没有符合条件的子字符串,返回空字符串。
提示:
m == s.length
n == t.length
1 <= m, n <= 105
s
和t
由英文字母组成
思路: 滑动窗口
代码:
public static String minWindow(String str, String tar) {
// 1. 判断s是否足够比较
if (str.length() < tar.length()) {
return "";
}
// 2. 初始化变量, 建表
char[] s = str.toCharArray();
char[] t = tar.toCharArray();
int[] cnts = new int[123];// 欠债表:下标表示该下标对应的字母位置,值为该字母欠债情况
// 根据tar初始化欠债表
for (char cha : t) {
cnts[cha]--; // --表示欠债需还
}
// 最小覆盖子串的长度
int len = Integer.MAX_VALUE;
// 从哪个位置开头,发现的这个最小覆盖子串
int start = 0;
// 3. 开始滑窗
for (int l = 0, r = 0, debt = t.length; r < s.length; r++) {
// 3.1 更新欠债表
// s[r] 当前字符 -> int
// cnts[s[r]] : 当前字符欠债情况,负数就是欠债,正数就是多给的
if (cnts[s[r]]++ < 0) { // <0: 加完后<0就要还款,如果是=0,只能在还完的时候计数
debt--;
}
// 3.2 判断是否依旧欠债
// 3.2.1 不欠债
if (debt == 0) {
// r位置结尾,真的有覆盖子串!
// 3.2.1.1 看看这个覆盖子串能不能尽量短
while (cnts[s[l]] > 0) {
// l位置的字符能拿回
cnts[s[l++]]--;
}
// 从while里面出来,
// l....r就是r位置结尾的最小覆盖子串
// 3.2.1.2 更新改变窗口后len的大小(要放在if里面,否则len将不正确)
if (r - l + 1 < len) {
len = r - l + 1;
start = l;
}
}
}
// 4. 返回
return len == Integer.MAX_VALUE ? "" : str.substring(start, start + len);
}
59.螺旋矩阵
给你一个正整数 n
,生成一个包含 1
到 n2
所有元素,且元素按顺时针顺序螺旋排列的 n x n
正方形矩阵 matrix
。
示例 :
输入:n = 3
输出:[[1,2,3],[8,9,4],[7,6,5]]
提示:
1 <= n <= 20
思路:
按照上右下左的顺序进行填充, 每次要坚持循环不变量原则, 每一行/列遍历时都从第一个开始填充, 不填充最后一个.
代码:
class Solution {
public int[][] generateMatrix(int n) {
// 1. 初始化
int startX = 0,startY = 0,loop = 1,count = 1,offset = 1;
// startX startY控制左上边界; n - offset控制右下边界
int i,j;
int[][] nums = new int[n][n];
// 2. 循环
while(loop <= n / 2) {
// 上
for(j = startY;j < n - offset;j++) {
nums[startX][j] = count++;
}
// 右
for(i = startX;i < n - offset;i++) {
nums[i][j] = count++;
}
// 下
for(;j > startY;j--) {
nums[i][j] = count++;
}
// 左
for(;i > startX;i--) {
nums[i][j] = count++;
}
// 更新变量
startX++;
startY++;
loop++;
offset++;
}
// 3. 根据n是否为奇数填充剩下的位置
if(n % 2 == 1) {
nums[startX][startY] = count;
}
// 4. 返回
return nums;
}
}
54.螺旋矩阵
给你一个 m
行 n
列的矩阵 matrix
,请按照 顺时针螺旋顺序 ,返回矩阵中的所有元素。
示例 1:
输入:matrix = [[1,2,3],[4,5,6],[7,8,9]]
输出:[1,2,3,6,9,8,7,4,5]
示例 2:
输入:matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12]]
输出:[1,2,3,4,8,12,11,10,9,5,6,7]
提示:
m == matrix.length
n == matrix[i].length
1 <= m, n <= 10
-100 <= matrix[i][j] <= 100
思路:
每一次遍历一整行/列, 通过控制u ,d ,l ,r 四个变量来控制需要进行遍历的边界
代码:
class Solution {
public List<Integer> spiralOrder(int[][] matrix) {
List<Integer> ans = new ArrayList<>();
// 0. 特殊判断
if(matrix.length == 0) return ans;
// 1. 初始化
int u = 0,d = matrix.length - 1,l = 0,r = matrix[0].length - 1;
// 2. 循环
while(true) {
// 上
for(int i = l;i <= r;i++) ans.add(matrix[u][i]);
if(++u > d) break;
// 右
for(int i = u;i <= d;i++) ans.add(matrix[i][r]);
if(--r < l) break;
// 下
for(int i = r;i >= l;i--) ans.add(matrix[d][i]);
if(--d < u) break;
// 左
for(int i = d;i >= u;i--) ans.add(matrix[i][l]);
if(++l > r) break;
}
// 3. 返回
return ans;
}
}
58. 区间和
题目描述
给定一个整数数组 Array,请计算该数组在每个指定区间内元素的总和。
输入描述
第一行输入为整数数组 Array 的长度 n,接下来 n 行,每行一个整数,表示数组的元素。随后的输入为需要计算总和的区间,直至文件结束。
输出描述
输出每个指定区间内元素的总和。
输入示例
5
1
2
3
4
5
0 1
1 3
输出示例
3
9
数据范围:
0 < n <= 100000
思路:
前缀和
代码:
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.io.PrintWriter;
import java.io.StreamTokenizer;
public class Main {
public static void main(String[] args) throws Exception {
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
StreamTokenizer in = new StreamTokenizer(br);
PrintWriter out = new PrintWriter(System.out);
// 1. 读取数组长度 n
in.nextToken();
int n = (int) in.nval;
// 2. 初始化数组和前缀和数组
int[] arr = new int[n];
int[] prefixSum = new int[n];
int sum = 0;
// 3. 读取数组并计算前缀和
for (int i = 0; i < n; i++) {
in.nextToken();
arr[i] = (int) in.nval;
sum += arr[i];
prefixSum[i] = sum;
}
// 4. 处理查询
while (in.nextToken() != StreamTokenizer.TT_EOF) {
int a = (int) in.nval; // 起始索引 a
in.nextToken();
int b = (int) in.nval; // 结束索引 b
// 5. 计算区间和并输出
int result = (a == 0) ? prefixSum[b] : prefixSum[b] - prefixSum[a - 1];
out.println(result);
}
// 6. 关闭输出流
br.close();
out.flush();
out.close();
}
}
44.开发商购买土地
题目描述
在一个城市区域内,被划分成了n * m个连续的区块,每个区块都拥有不同的权值,代表着其土地价值。目前,有两家开发公司,A 公司和 B 公司,希望购买这个城市区域的土地。
现在,需要将这个城市区域的所有区块分配给 A 公司和 B 公司。
然而,由于城市规划的限制,只允许将区域按横向或纵向划分成两个子区域,而且每个子区域都必须包含一个或多个区块。 为了确保公平竞争,你需要找到一种分配方式,使得 A 公司和 B 公司各自的子区域内的土地总价值之差最小。
注意:区块不可再分。
输入描述
第一行输入两个正整数,代表 n 和 m。
接下来的 n 行,每行输出 m 个正整数。
输出描述
请输出一个整数,代表两个子区域内土地总价值之间的最小差距。
输入示例
3 3
1 2 3
2 1 3
1 2 3
输出示例
0
思路:
$ O(n^2) $
(1) 前缀和: 计算每行每列的前缀和
(2) 暴力法: 每一次遍历的行/列尾时更新result
代码:
(1) 前缀和
import java.io.BufferedReader;
import java.io.StreamTokenizer;
import java.io.PrintWriter;
import java.io.InputStreamReader;
import java.lang.Math;
public class Main {
public static void main(String[] args) throws Exception{
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
StreamTokenizer in = new StreamTokenizer(br);
PrintWriter out = new PrintWriter(System.out);
// 1. 统计总和
// 1.1 输入n, m, arr
in.nextToken();
int n = (int)in.nval;
in.nextToken();
int m = (int)in.nval;
int sum = 0;
int[][] nums = new int[n][m];
for(int i = 0;i < n;i++) {
for(int j = 0;j < m;j++) {
in.nextToken();
nums[i][j] = (int)in.nval;
sum += nums[i][j];
}
}
// 2. 统计行和
int[] horizontal = new int[n];
for(int i = 0;i < n;i++) {
for(int j = 0;j < m;j++) {
horizontal[i] += nums[i][j];
}
}
// 3. 统计列和
int[] vertical = new int[m];
for(int j = 0;j < m;j++) {
for(int i = 0;i < n;i++) {
vertical[j] += nums[i][j];
}
}
// 4. 遍历前缀和, 计算最小值
int result = Integer.MAX_VALUE;
// 4.1 行
int horizontalCut = 0;
for(int i = 0;i < n;i++) {
horizontalCut += horizontal[i];
result = Math.min(result,Math.abs(sum - 2 * horizontalCut));
}
// 4.2 列
int verticalCut = 0;
for(int j = 0;j < m;j++) {
verticalCut += vertical[j];
result = Math.min(result,Math.abs(sum - 2 * verticalCut));
}
out.println(result);
out.flush();
br.close();
out.close();
}
}
(2) 暴力破解
import java.io.BufferedReader;
import java.io.StreamTokenizer;
import java.io.PrintWriter;
import java.io.InputStreamReader;
import java.lang.Math;
public class Main {
public static void main(String[] args) throws Exception{
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
StreamTokenizer in = new StreamTokenizer(br);
PrintWriter out = new PrintWriter(System.out);
// 1. 统计总和
// 1.1 输入n, m, arr
in.nextToken();
int n = (int)in.nval;
in.nextToken();
int m = (int)in.nval;
int sum = 0;
int[][] nums = new int[n][m];
for(int i = 0;i < n;i++) {
for(int j = 0;j < m;j++) {
in.nextToken();
nums[i][j] = (int)in.nval;
sum += nums[i][j];
}
}
// 2. 遍历每行/列, 计算最小值
int count = 0, result = Integer.MAX_VALUE;
// 2.1 行
for(int i = 0;i < n;i++) {
for(int j = 0;j < m;j++) {
count += nums[i][j];
if(j == m - 1) result = Math.min(result,Math.abs(sum - 2 * count));
}
}
// 2.2 列
count = 0;
for(int j = 0;j < m;j++) {
for(int i = 0;i < n;i++) {
count += nums[i][j];
if(i == n - 1) result = Math.min(result,Math.abs(sum - 2 * count));
}
}
out.println(result);
out.flush();
br.close();
out.close();
}
}