差分数组:高效处理区间更新的秘密武器(力扣3355.零数组变换I)

一、核心定义:用差值记录变化

差分数组 diff 是原数组 nums 的 “变化量数组”,定义为:

  • diff[0] = nums[0](首元素差值为自身)
  • diff[i] = nums[i] - nums[i-1](后续元素为相邻差值)

:若 nums = [1, 3, 5],则 diff = [1, 2, 2]

  • 原数组可通过 diff 的前缀和还原:1, 1+2=3, 1+2+2=5
二、关键操作:O (1) 区间更新

若需对原数组区间 [l, r] 内所有元素 加 x,只需修改差分数组的两个端点:

  1. diff[l] += x:标记区间起点,后续元素开始累加 x
  2. diff[r+1] -= x:标记区间终点的下一位,抵消后续累加(若 r+1 超出数组范围,可忽略)。

原理:通过前缀和计算时,[l, r] 内的元素会包含 x,而 r 之后的元素不受影响。
:对 nums = [1,3,5] 的区间 [1,2] 加 2:

  • diff = [1, 2, 2] → 修改后 diff = [1, 4, 0, -2](假设长度为 4)。
  • 前缀和还原:1, 1+4=5, 5+0=5, 5-2=3 → 原数组变为 [1,5,5]
三、实战应用:统计区间覆盖次数
题目场景

给定数组 nums 和查询列表 queries,每个查询 [l, r] 表示:在区间 [l, r] 内选择子集减 1。判断能否通过若干次操作将数组变为全零。

核心思路
  • 每个元素 nums[i] 最多可减的次数等于 被查询区间覆盖的次数(记为 cnt[i])。
  • 若 nums[i] ≤ cnt[i],则可通过选择子集减 nums[i] 次使其为 0。
差分数组的作用
  1. 记录覆盖次数
    每个查询 [l, r] 等价于对区间 [l, r] 的覆盖次数加 1,通过差分数组实现:
    diff[l]++;       // 区间起点加1(开始计数)
    diff[r+1]--;     // 区间终点的下一位减1(停止计数)
    
  2. 计算前缀和得到覆盖次数
    遍历差分数组,累加得到 sum_d,即当前元素的覆盖次数 cnt[i]
    int sum_d = 0;
    for (int i = 0; i < n; i++) {
        sum_d += diff[i]; // sum_d 即为 cnt[i]
        if (nums[i] > sum_d) return false; // 覆盖次数不足
    }
    
四、代码实现(C++)3355. 零数组变换 I - 力扣(LeetCode)
class Solution {
public:
    bool isZeroArray(vector<int>& nums, vector<vector<int>>& queries) {
        int n = nums.size();
        vector<int> diff(n + 1, 0); // 差分数组,长度 n+1 处理边界
        
        // 处理所有查询,记录区间覆盖次数
        for (auto& q : queries) {
            int l = q[0], r = q[1];
            diff[l]++;
            diff[r + 1]--;
        }
        
        // 计算前缀和,验证每个元素是否可减为0
        int sum_d = 0;
        for (int i = 0; i < n; i++) {
            sum_d += diff[i]; // 累加得到当前元素的覆盖次数
            if (nums[i] > sum_d) return false; // 次数不足,无法变0
        }
        return true;
    }
};
五、关键总结
  1. 差分数组的本质
    • 用端点标记区间操作的 “开始” 和 “结束”,将 O (n) 区间更新优化为 O (1)。
    • 通过前缀和快速还原每个位置的实际变化量。
  2. 逆向思维
    将 “灵活选择子集减 1” 转化为 “统计覆盖次数”,只需判断 nums[i] 是否不超过覆盖次数。
  3. 复杂度优势
    • 处理查询:O (q),计算前缀和:O (n),总时间复杂度 O (n + q),适用于大规模数据。
六、直观示例

输入nums = [1,0,1]queries = [[0,2]]

  1. 差分数组处理
    • 查询 [0,2] → diff[0]++diff[3]--(忽略越界)→ diff = [1,0,0,0]
  2. 前缀和计算
    • i=0sum_d=1 → 1≥1,合法。
    • i=1sum_d=1 → 0≤1,合法。
    • i=2sum_d=1 → 1≤1,合法。
      输出true
七、适用场景
  • 频繁的区间加减操作 + 单次整体查询结果。
  • 典型问题:数组染色、区间统计、资源分配等。
### 力扣435题无重叠区间问题的Python解决方案 对于力扣435题——Non-overlapping Intervals,目标是从给定的一区间中移除尽可能少的数量使得剩余区间互不重叠。一种高效的方法是采用贪心算法来解决这个问题。 为了有效地解决问题,可以先按照区间的结束位置升序排列这些区间[^1]。通过这种方式,在遍历时总是优先保留那些较早结束的区间,从而为后续可能加入更多非重叠区间留出空间。 下面是具体的Python实现代码: ```python class Interval(object): def __init__(self, start, end): self.start = start self.end = end def eraseOverlapIntervals(intervals): if not intervals: return 0 # Sort the intervals based on their ending time. sorted_intervals = sorted(intervals, key=lambda interval: interval.end) count = 0 prev_end = float('-inf') for current_interval in sorted_intervals: if current_interval.start >= prev_end: # If there is no overlap with previous selected interval, # update `prev_end` and continue without incrementing removals counter (`count`) prev_end = current_interval.end else: # Otherwise, this means we have an overlapping pair; # since intervals are already ordered by 'end', simply increase our removal tally (`count`) count += 1 return count ``` 此方法的时间复杂度主要取决于排序操作O(n log n),其中n表示输入区间的数量;而随后的一次线性扫描只需要O(n)时间。因此整体性能表现良好,适用于大多数实际应用场景中的数据规模[^2]。 值得注意的是,上述逻辑确保了每次遇到新的候选区间时都会选择最早结束的那个作为下一个非重叠部分的一部分,这样就能最大限度地减少被删除掉的区间数目[^3]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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