[前缀和+模板] 前缀和模板

本文介绍了一维和二维前缀和的概念及其应用。一维前缀和主要用于快速计算数组中任意区间的和,而二维前缀和则用于解决矩阵中子矩阵求和的问题。通过预处理,这两种方法均可将查询时间复杂度降至O(1)。

0. 前言

预处理数组的前缀和,可以达到 O ( 1 ) O(1) O(1) 时间得到区间和。前缀和大致分为两类,一维前缀和、二维前缀和。

预处理前缀和数组下标均从 1 开始,不用考虑边界情况,保证推导式子的统一性。

加速 cin、cout 的技巧:

int main() {
    // main 后加上这两句,可以媲美scanf、printf,原理是关闭cin、cout与scanf、printf的数据同步流(貌似)
    ios::sync_with_stdio(0);
    cin.tie(0);
	
	----
}

1. 一维前缀和

Biu

主要思想:

下标从 1 开始
S[i] = a[1] + a[2] + ... a[i]
a[l] + ... + a[r] = S[r] - S[l - 1]

在这里插入图片描述

#include <iostream>

using namespace std;

const int N = 1e5 + 5;

int n, m;
int a[N], s[N]; 

int main() {
    ios::sync_with_stdio(0);
    cin.tie(0);
    
    cin >> n >> m;
    for (int i = 1; i <= n; ++i) cin >> a[i];
    for (int i = 1; i <= n; ++i) s[i] = a[i] + s[i - 1];
    while (m --) {
        int l, r;
        cin >> l >> r;
        cout << s[r] - s[l - 1] << endl;
    }
    return 0;
}

2. 二维前缀和

Biu

简单画下图很容易理解,主要思想如下:

S[i, j] = 第 i 行 j 列格子左上部分所有元素的和
以(x1, y1)为左上角,(x2, y2)为右下角的子矩阵的和为:S[x2,y2]-S[x1-1,y2]-S[x2,y1-1]+S[x1-1,y1-1]

在这里插入图片描述

代码如下:

#include <iostream>

using namespace std;

const int N = 1e3+5;

int n, m, q;
int a[N][N], s[N][N];

int main() {
    ios::sync_with_stdio(0);
    cin.tie(0);
    
    cin >> n >> m >> q;
    for (int i = 1; i <= n; ++i) 
        for (int j = 1; j <= m; ++j) 
            cin >> a[i][j];
            
    for (int i = 1; i <= n; ++i) 
        for (int j = 1; j <= m; ++j) 
            s[i][j] = s[i - 1][j] + s[i][j - 1] - s[i - 1][j - 1] + a[i][j];
            
    while (q --) {
        int x1, y1, x2, y2;
        cin >> x1 >> y1 >> x2 >> y2;
        cout << s[x2][y2] - s[x1 - 1][y2] - s[x2][y1 - 1] + s[x1 - 1][y1 - 1] << endl;
    }
    return 0;
    
}
<think>嗯,用户问的是前缀和以及Python模板。首先,我得回忆一下前缀和的基本概念。前缀和应该是一种常用的算法技巧,用来快速计算数组区间内的和。对吧? 然后,我需要确定用户的需求是什么。可能他们是在准备面试或者在做题,遇到了需要频繁求区间和的问题,想找一个高效的方法。这时候,前缀和就能派上用场了,因为它可以将区间和的查询时间降到O(1)。 接下来,我得考虑怎么组织回答的结构。通常来说,先介绍概念,再讲原理,然后给出应用场景,最后给代码模板。这样用户能一步步理解。 在介绍前缀和的时候,要强调它如何通过预处理数组,生成一个前缀和数组,这样每次查询只需要用两个前缀和相减。比如原数组是nums,前缀和数组prefix,那么区间[i, j]的和就是prefix[j+1] - prefix[i]。这里要注意数组的索引问题,可能容易出错,比如前缀和数组的长度是n+1,初始元素为0,这样处理起来更方便。 然后需要举例子,比如具体的数组例子,计算前缀和数组,再演示如何求区间和。这样用户能更直观地理解。 接下来,应用场景部分,应该提到多次查询的情况,比如LeetCode的一些题目,像“区域和检索 - 数组不可变”或者更复杂的题目,可能结合哈希表来优化,比如求满足条件的子数组数目。这部分可能需要举几个例子,说明前缀和的不同应用方式。 然后是Python模板,要确保代码正确,并且符合用户的要求。使用Python的话,需要注意列表的初始化,循环的写法。比如前缀和数组一般初始化为[0],然后逐个累加。给出一个基础的模板,可能再给出一个优化空间的版本,比如用变量代替数组,这样节省内存。 还要考虑可能的边界情况,比如数组为空,或者i=0的情况,这时候prefix[i]是否存在。代码中的索引是否正确,比如在计算区间和时,是否j+1会导致越界? 用户可能还会想知道前缀和的时间复杂度。预处理是O(n),查询是O(1),如果有m次查询,总时间就是O(n + m),比每次都遍历区间O(n*m)高效很多。 另外,是否需要提到二维前缀和?可能用户的问题是一维的,但如果有余力的话,可以简单提一下,不过可能暂时不需要深入,避免信息过载。 还要检查是否遵循了系统级指令,比如数学公式用$...$,独立公式用$$...$$。比如在解释前缀和数组的时候,数学表达式要正确用符号包围。例如,prefix[i] = nums[0] + nums[1] + ... + nums[i-1],这样的公式要用LaTeX写出来。 最后,确保语言用中文,结构清晰,分点说明,代码模板正确,并且有注释说明。可能还需要测试一下给出的代码是否正确,避免出现语法错误或者逻辑错误。</think>### 前缀和原理与Python模板分步解析 #### 1. 核心概念 前缀和是一种**预处理数组**的技术,用于将数组的**区间求和操作**时间复杂度优化为$O(1)$。其本质是通过构建新数组$prefix$,满足: $$prefix[i] = \sum_{k=0}^{i-1} nums[k]$$ 即$prefix[i]$表示原数组前$i$个元素的和(注意索引偏移) #### 2. 关键公式 计算区间$[L, R]$的和时: $$\sum_{k=L}^{R} nums[k] = prefix[R+1] - prefix[L]$$ (索引设计保证$L=0$时公式仍然成立) #### 3. 构建过程演示 以数组`nums = [2, 1, 3, 5, 4]`为例: ``` prefix[0] = 0 prefix[1] = 2 = nums[0] prefix[2] = 2+1 = nums[0..1] prefix[3] = 2+1+3 = nums[0..2] prefix[4] = 2+1+3+5 = nums[0..3] prefix[5] = 2+1+3+5+4 = nums[0..4] ``` 求[1,3]区间和(即1+3+5):$prefix[4] - prefix[1] = 11 - 2 = 9$ #### 4. Python基础模板 ```python def prefix_sum(nums): n = len(nums) prefix = [0] * (n + 1) # 多一位存储初始0 for i in range(n): prefix[i+1] = prefix[i] + nums[i] return prefix # 使用示例 nums = [2, 1, 3, 5, 4] prefix = prefix_sum(nums) print(prefix[4] - prefix[1]) # 输出索引[1,3]的和:9 ``` #### 5. 内存优化版(滚动变量) ```python def range_sum(nums, queries): res = [] current_sum = 0 prefix = { -1: 0 } # 处理L=0的边界情况 for i in range(len(nums)): current_sum += nums[i] prefix[i] = current_sum for L, R in queries: res.append(prefix[R] - prefix[L-1]) return res ``` #### 6. 应用场景分析 - **高频区间查询**:如LeetCode 303题(数组不可变) - **二维扩展**:矩阵区块求和(LeetCode 304) - **哈希表结合**:统计满足条件的子数组数量(LeetCode 560和为K的子数组) - **差分配合**:处理区间修改操作(如批量增减) #### 7. 复杂度说明 | 操作 | 时间复杂度 | 空间复杂度 | |------------|------------|------------| | 构建前缀和 | O(n) | O(n) | | 单次查询 | O(1) | - | #### 8. 典型错误警示 - 索引偏移错误:混淆原数组与前缀数组的索引关系 - 未初始化前缀数组:缺少初始的0值导致首项计算错误 - 整数溢出:大数据量时需注意数值范围(Python无此问题) 建议通过LeetCode 303、525、560等题目进行实践训练,逐步掌握前缀和的变形应用。
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

打赏作者

Ypuyu

如果帮助到你,可以请作者喝水~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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