前缀和算法通过预处理累积和将区间查询复杂度降至 O(1)，核心思想为空间换时间。本文涵盖一维与二维前缀和模板，并结合哈希表解决子数组求和、中心下标、乘积等变体问题。包含经典 OJ 题解法与 C++ 代码实现，适用于算法竞赛与面试准备。
前缀和算法 (Prefix Sum)，也叫前缀和技巧，是一种针对静态数组的预处理优化方法，核心思想是：预先计算数组的前 i 项和并存储，后续任意区间 [l, r] 的和可以通过两个前缀和相减快速得到，将单次查询的时间复杂度从 O(n) 降至 O(1)。
前缀和本质是空间换时间：
arr[1..n]，前缀和数组 dp[i] = arr[1] + arr[2] + ... + arr[i]，则区间 [l, r] 的和 = dp[r] - dp[l-1]。
解法 (前缀和)：
dp[i] 表示 [1, i] 区间内所有元素的和，那么 dp[i-1] 里面存的就是 [1, i-1] 区间内所有元素的和，可得递推公式：dp[i] = dp[i-1] + arr[i]。[l, r] 时：区间内所有元素的和为：dp[r] - dp[l-1]。
#include <iostream>
#include <vector>
using namespace std;
int main() {
// 1. 读入数据
int n, q;
cin >> n >> q;
vector<int> arr(n + 1);
for (int i = 1; i <= n; i++) cin >> arr[i];
// 2. 预处理出来一个前缀和数组
vector<long long> dp(n + 1); // 防止溢出
for (int i = 1; i <= n; i++) dp[i] = dp[i - 1] + arr[i];
// 3. 使用前缀和数组
int l = 0, r = 0;
while (q--) {
cin >> l >> r;
cout << dp[r] - dp[l - 1] << endl;
}
return 0;
}
类比于一维数组的形式，如果我们能处理出来从 [0, 0] 位置到 [i, j] 位置这片区域内所有元素的累加和，就可以在 O(1) 的时间内，搞定矩阵内任意区域内所有元素的累加和。因此我们接下来仅需完成两步即可：
这里就要用到一维数组里面的拓展知识，我们要在矩阵的最上面和最左边添加上一行和一列 0，这样我们就可以省去非常多的边界条件的处理，处理后的矩阵就像这样：
这样，我们填写前缀和矩阵数组的时候，下标直接从 1 开始，能大胆使用 i-1, j-1 位置的值。
注意 dp 表与原数组 matrix 内的元素的映射关系：
dp 表到 matrix 矩阵，横纵坐标减一；matrix 矩阵到 dp 表，横纵坐标加一。前缀和矩阵中 sum[i][j] 的含义，以及如何递推二维前缀和方程：
sum[i][j] 的含义：
sum[i][j] 表示，从 [0, 0] 位置到 [i, j] 位置这段区域内，所有元素的累加和。对应下图的红色区域：
[0, 0] 位置到 [i, j] 位置这段区域分解成下面的部分：
sum[i][j] = 红 + 蓝 + 绿 + 黄，分析一下这四块区域：
matrix[i-1][j-1] (注意坐标的映射关系)。dp 数组中 sum[i-1][j] 的值，美滋滋；dp 数组中 sum[i][j-1] 的值；dp 数组的定义的，即 sum[i-1][j-1]。综上所述，我们的递推方程就是：
sum[i][j] = sum[i-1][j] + sum[i][j-1] - sum[i-1][j-1] + matrix[i-1][j-1]
题目的接口中提供的参数是原始矩阵的下标，为了避免下标映射错误，这里直接先把下标映射成 dp 表里面对应的下标：row1++, col1++, row2++, col2++。
接下来分析如何使用这个前缀和矩阵，如下图 (注意这里的 row 和 col 都处理过了，对应的正是 sum 矩阵中的下标)：
对于左上角 (row1, col1)、右下角 (row2, col2) 围成的区域，好是红色的部分。因此我们要求的就是红色部分的面积，继续分析几个区域：
sum[row1-1][col1-1] (为什么减一？因为要剔除掉 row 这一行和 col 这一列)。sum 表内 sum[row1-1][col2] 的数据；sum[row2][col1-1]；sum[row2][col2]；综上所述：红 = 整个面积 - (绿 + 黄) - (蓝 + 黄) + 黄，从而可得红色区域内的元素总和为：
sum[row2][col2] - sum[row2][col1-1] - sum[row1-1][col2] + sum[row1-1][col1-1]
#include <iostream>
#include <vector>
using namespace std;
int main() {
// 1. 读入数据
int n = 0, m = 0, q = 0;
cin >> n >> m >> q;
vector<vector<int>> arr(n + 1, vector<int>(m + 1));
for (int i = 1; i <= n; i++)
for (int j = 1; j <= m; j++) cin >> arr[i][j];
// 2. 预处理前缀和矩阵
vector<vector<long long>> dp(n + 1, vector<long long>(m + 1)); // 防止溢出
for (int i = 1; i <= n; i++)
for (int j = 1; j <= m; j++)
dp[i][j] = dp[i - 1][j] + dp[i][j - 1] + arr[i][j] - dp[i - 1][j - 1];
// 3. 使用前缀和矩阵
int x1 = 0, y1 = 0, x2 = 0, y2 = 0;
while (q--) {
cin >> x1 >> y1 >> x2 >> y2;
cout << dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] + dp[x1 - 1][y1 - 1] << endl;
}
return 0;
}
从中心下标的定义可知，除中心下标的元素外，该元素左边的前缀和等于该元素右边的后缀和。
class Solution {
public:
int pivotIndex(vector<int>& nums) {
int n = nums.size();
vector<int> f(n), g(n);
// 1. 预处理前缀和数组以及后缀和数组
for (int i = 1; i < n; i++) f[i] = f[i - 1] + nums[i - 1];
for (int i = n - 2; i >= 0; i--) g[i] = g[i + 1] + nums[i + 1];
// 2. 使用
for (int i = 0; i < n; i++)
if (f[i] == g[i]) return i;
return -1;
}
};
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int pivotIndex(vector<int>& nums) {
int n = nums.size();
vector<int> f(n), g(n);
for (int i = 1; i < n; i++) f[i] = f[i - 1] + nums[i - 1];
for (int i = n - 2; i >= 0; i--) g[i] = g[i + 1] + nums[i + 1];
for (int i = 0; i < n; i++)
if (f[i] == g[i]) return i;
return -1;
}
};
int main() {
Solution sol;
vector<int> nums1 = {1, 7, 3, 6, 5, 6};
cout << "测试用例 1 [1,7,3,6,5,6] 的中心下标：" << sol.pivotIndex(nums1) << endl;
vector<int> nums2 = {1, 2, 3};
cout << "测试用例 2 [1,2,3] 的中心下标：" << sol.pivotIndex(nums2) << endl;
vector<int> nums3 = {2, 1, -1};
cout << "测试用例 3 [2,1,-1] 的中心下标：" << sol.pivotIndex(nums3) << endl;
vector<int> nums4 = {1};
cout << "测试用例 4 [1] 的中心下标：" << sol.pivotIndex(nums4) << endl;
return 0;
}
解法 (前缀和数组)：注意题目的要求，不能使用除法，并且要在 O(N) 的时间复杂度内完成该题。那么我们就不能使用暴力的解法，以及求出整个数组的乘积，然后除以单个元素的方法。
继续分析，根据题意，对于每一个位置的最终结果 ret[i]，它是由两部分组成的：
nums[0] * nums[1] * ... * nums[i-1]nums[i+1] * nums[i+2] * ... * nums[n-1]
于是，我们可以利用前缀和的思想，使用两个数组 f 和 g，分别处理出来两个信息：f 表示 "i 位置之前的所有元素，即 [0, i-1] 区间内所有元素的前缀乘积"。g 表示：i 位置之后的所有元素，即 [i+1, n-1] 区间内所有元素的后缀乘积。然后再处理最终结果。
class Solution {
public:
vector<int> productExceptSelf(vector<int>& nums) {
int n = nums.size();
vector<int> f(n), g(n);
// 1. 预处理一下前缀积数组以及后缀积数组
f[0] = g[n - 1] = 1; // 细节问题
for (int i = 1; i < n; i++) f[i] = f[i - 1] * nums[i - 1];
for (int i = n - 2; i >= 0; i--) g[i] = g[i + 1] * nums[i + 1];
// 2. 使用
vector<int> ret(n);
for (int i = 0; i < n; i++) ret[i] = f[i] * g[i];
return ret;
}
};
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
vector<int> productExceptSelf(vector<int>& nums) {
int n = nums.size();
vector<int> f(n), g(n);
f[0] = g[n - 1] = 1;
for (int i = 1; i < n; i++) f[i] = f[i - 1] * nums[i - 1];
for (int i = n - 2; i >= 0; i--) g[i] = g[i + 1] * nums[i + 1];
vector<int> ret(n);
for (int i = 0; i < n; i++) ret[i] = f[i] * g[i];
return ret;
}
};
void printVector(const vector<int>& vec) {
for (int num : vec) cout << num << " ";
cout << endl;
}
int main() {
Solution sol;
vector<int> nums1 = {1, 2, 3, 4};
cout << "测试用例 1 输入：";
printVector(nums1);
vector<int> res1 = sol.productExceptSelf(nums1);
cout << "测试用例 1 输出：";
printVector(res1); // 预期：24 12 8 6
cout << "-------------------------" << endl;
vector<int> nums2 = {-1, 1, 0, -3, 3};
cout << "测试用例 2 输入：";
printVector(nums2);
vector<int> res2 = sol.productExceptSelf(nums2);
cout << "测试用例 2 输出：";
printVector(res2); // 预期：0 0 9 0 0
cout << "-------------------------" << endl;
vector<int> nums3 = {2, 3};
cout << "测试用例 3 输入：";
printVector(nums3);
vector<int> res3 = sol.productExceptSelf(nums3);
cout << "测试用例 3 输出：";
printVector(res3); // 预期：3 2
return 0;
}
解法 (将前缀和存在哈希表中)：
设 i 为数组中的任意位置，用 sum[i] 表示 [0, i] 区间内所有元素的和。
想知道有多少个以 i 为结尾的和为 k 的子数组，就要找到有多少个起始位置为 x1, x2, x3... 使得 [x, i] 区间内的所有元素的和为 k。那么 [0, x] 区间内的和是不是就是 sum[i] - k 了。于是问题就变成：
[0, i-1] 区间内，有多少前缀和等于 sum[i] - k 的即可。我们不用真的初始化一个前缀和数组，因为我们只关心在 i 位置之前，有多少个前缀和等于 sum[i] - k。因此，我们仅需用一个哈希表，一边求当前位置的前缀和，一边存下之前每一种前缀和出现的次数。
class Solution {
public:
int subarraySum(vector<int>& nums, int k) {
unordered_map<int, int> hash; // 统计前缀和出现的次数
hash[0] = 1;
int sum = 0, ret = 0;
for (auto x : nums) {
sum += x; // 计算当前位置的前缀和
if (hash.count(sum - k)) ret += hash[sum - k]; // 统计个数
hash[sum]++;
}
return ret;
}
};
#include <iostream>
#include <vector>
#include <unordered_map>
using namespace std;
class Solution {
public:
int subarraySum(vector<int>& nums, int k) {
unordered_map<int, int> hash;
hash[0] = 1; // 初始化：前缀和为 0 的情况出现 1 次（关键边界）
int sum = 0, ret = 0;
for (auto x : nums) {
sum += x; // 计算当前位置的前缀和
if (hash.count(sum - k)) ret += hash[sum - k]; // 统计符合条件的子数组个数
hash[sum]++; // 更新哈希表
}
return ret;
}
};
void printVector(const vector<int>& vec) {
cout << "[";
for (int i = 0; i < vec.size(); ++i) {
cout << vec[i];
if (i != vec.size() - 1) cout << ", ";
}
cout << "]";
}
int main() {
Solution sol;
vector<int> nums1 = {1, 1, 1}; int k1 = 2;
cout << "测试用例 1：数组 = "; printVector(nums1);
cout << "，k = " << k1 << endl;
cout << "结果：" << sol.subarraySum(nums1, k1) << " （预期：2）" << endl;
cout << "-------------------------" << endl;
vector<int> nums2 = {1, 2, 3}; int k2 = 3;
cout << "测试用例 2：数组 = "; printVector(nums2);
cout << "，k = " << k2 << endl;
cout << "结果：" << sol.subarraySum(nums2, k2) << " （预期：2）" << endl;
cout << "-------------------------" << endl;
vector<int> nums3 = {1}; int k3 = 1;
cout << "测试用例 3：数组 = "; printVector(nums3);
cout << "，k = " << k3 << endl;
cout << "结果：" << sol.subarraySum(nums3, k3) << " （预期：1）" << endl;
cout << "-------------------------" << endl;
vector<int> nums4 = {1}; int k4 = 0;
cout << "测试用例 4：数组 = "; printVector(nums4);
cout << "，k = " << k4 << endl;
cout << "结果：" << sol.subarraySum(nums4, k4) << " （预期：0）" << endl;
return 0;
}
(a - b) % n == 0，那么 a % n == b % n。用文字叙述就是，如果两个数相减的差能被 n 整除，那么这两个数对 n 取模的结果相同。
例如：(26 - 2) % 12 == 0，那么 26 % 12 == 2 % 12 == 2。-1 % 3 = -(1 % 3) = -1。(a % n + n) % n 的形式输出保证为正。例如：-1 % 3 = (-1 % 3 + 3) % 3 = 2。思路与和为 K 的子数组这道题的思路相似。
设 i 为数组中的任意位置，用 sum[i] 表示 [0, i] 区间内所有元素的和。
i 为结尾的可被 k 整除的子数组，就要找到有多少个起始位置为 x1, x2, x3... 使得 [x, i] 区间内的所有元素的和可被 k 整除。[0, x-1] 区间内所有元素之和等于 a，[0, i] 区间内所有元素的和等于 b，可得 (b - a) % k == 0。[0, x-1] 区间与 [0, i] 区间内的前缀和同余。于是问题就变成：
找到在 [0, i-1] 区间内，有多少个前缀和的余数等于 sum[i] % k 的即可。我们不用真的初始化一个前缀和数组，因为我们只关心在 i 位置之前，有多少个前缀和等于 sum[i] - k。因此，我们仅需用一个哈希表，一边求当前位置的前缀和，一边存下之前每一种前缀和出现的次数。
class Solution {
public:
int subarraysDivByK(vector<int>& nums, int k) {
unordered_map<int, int> hash;
hash[0 % k] = 1; // 0 这个数的余数
int sum = 0, ret = 0;
for (auto x : nums) {
sum += x; // 算出当前位置的前缀和
int r = (sum % k + k) % k; // 修正后的余数
if (hash.count(r)) ret += hash[r]; // 统计结果
hash[r]++;
}
return ret;
}
};
#include <iostream>
#include <vector>
#include <unordered_map>
using namespace std;
class Solution {
public:
int subarraysDivByK(vector<int>& nums, int k) {
unordered_map<int, int> hash;
hash[0 % k] = 1; // 初始化：前缀和为 0 的余数情况出现 1 次
int sum = 0, ret = 0;
for (auto x : nums) {
sum += x; // 计算当前前缀和
int r = (sum % k + k) % k; // 修正负数取模，保证余数为正
if (hash.count(r)) ret += hash[r]; // 统计符合条件的子数组数量
hash[r]++; // 更新哈希表
}
return ret;
}
};
void printVector(const vector<int>& vec) {
cout << "[";
for (int i = 0; i < vec.size(); ++i) {
cout << vec[i];
if (i != vec.size() - 1) cout << ", ";
}
cout << "]";
}
int main() {
Solution sol;
vector<int> nums1 = {4, 5, 0, -2, -3, 1}; int k1 = 5;
cout << "测试用例 1：数组 = "; printVector(nums1);
cout << "，k = " << k1 << endl;
cout << "结果：" << sol.subarraysDivByK(nums1, k1) << " （预期：7）" << endl;
cout << "-------------------------" << endl;
vector<int> nums2 = {5}; int k2 = 9;
cout << "测试用例 2：数组 = "; printVector(nums2);
cout << "，k = " << k2 << endl;
cout << "结果：" << sol.subarraysDivByK(nums2, k2) << " （预期：0）" << endl;
cout << "-------------------------" << endl;
vector<int> nums3 = {7, 4, -10}; int k3 = 5;
cout << "测试用例 3：数组 = "; printVector(nums3);
cout << "，k = " << k3 << endl;
cout << "结果：" << sol.subarraysDivByK(nums3, k3) << " （预期：1）" << endl;
cout << "-------------------------" << endl;
vector<int> nums4 = {-5}; int k4 = 5;
cout << "测试用例 4：数组 = "; printVector(nums4);
cout << "，k = " << k4 << endl;
cout << "结果：" << sol.subarraysDivByK(nums4, k4) << " （预期：1）" << endl;
return 0;
}
稍微转化一下题目，就会变成我们熟悉的题：
0 和 1 出现的次数相同。0 记为 -1，1 记为 1，问题就变成了找出一段区间，这段区间的和等于 0。设 i 为数组中的任意位置，用 sum[i] 表示 [0, i] 区间内所有元素的和。
想知道最大的以 i 为结尾的和为 0 的子数组，就要找到从左往右第一个 x1 使得 [x1, i] 区间内的所有元素的和为 0。那么 [0, x1-1] 区间内的和是不是就是 sum[i] 了。于是问题就变成：
[0, i-1] 区间内，第一次出现 sum[i] 的位置即可。我们不用真的初始化一个前缀和数组，因为我们只关心在 i 位置之前，第一个前缀和等于 sum[i] 的位置。因此，我们仅需用一个哈希表，一边求当前位置的前缀和，一边记录第一次出现该前缀和的位置。
前缀和原理：如果两个下标 i 和 j 的前缀和相等，那么 i+1 ~ j 区间的子数组和为 0。
哈希表作用：存储 前缀和第一次出现的下标 (只存第一次，才能保证子数组最长)。
为什么 hash[0] = -1？
这是最容易困惑的点：
[0,1]，前缀和依次为：-1 → 00 时，下标是 11 - (-1) = 2，刚好是正确结果。为什么只存前缀和第一次出现的下标？ 因为我们要最长长度，第一次出现的下标最小，差值最大。如果后续重复出现相同前缀和，直接跳过，不更新哈希表。
举例演示
输入数组：nums = [0, 1, 0, 1]
转化后：[-1, 1, -1, 1]
| 下标 i | 元素 | 前缀和 sum | 哈希表 (前缀和：下标) | 操作 | 结果 ret |
|---|---|---|---|---|---|
| 初始化 | - | 0 | {0:-1} | - | 0 |
| 0 | 0 | -1 | 新增{-1:0} | 无匹配 | 0 |
| 1 | 1 | 0 | 已存在 0:-1 | 1 - (-1)=2 | 2 |
| 2 | 0 | -1 | 已存在 -1:0 | 2-0=2 | 2 |
| 3 | 1 | 0 | 已存在 0:-1 | 3-(-1)=4 | 4 |
最终返回 4，即最长子数组长度为 4 ✅
class Solution {
public:
// 函数功能：寻找 0 和 1 数量相等的最长子数组长度
int findMaxLength(vector<int>& nums) {
// 哈希表：key = 前缀和，value = 该前缀和第一次出现的下标
unordered_map<int, int> hash;
// 关键初始化：前缀和为 0 时，默认下标是 -1
// 作用：处理从数组开头到当前位置，和为 0 的情况
hash[0] = -1;
int sum = 0; // 记录遍历过程中的前缀和
int ret = 0; // 记录最终结果：最长子数组长度
// 遍历数组，i 是当前下标
for (int i = 0; i < nums.size(); i++) {
// 计算前缀和：0 → -1，1 → 1
sum += nums[i] == 0 ? -1 : 1;
// 如果哈希表中已经存在当前前缀和
if (hash.count(sum)) {
// 计算子数组长度：当前下标 - 前缀和第一次出现的下标
// 并更新最大值
ret = max(ret, i - hash[sum]);
} else {
// 如果哈希表中不存在当前前缀和
// 只存储第一次出现的下标（保证长度最长）
hash[sum] = i;
}
}
return ret; // 返回最长长度
}
};
#include <iostream>
#include <vector>
#include <unordered_map>
#include <algorithm>
using namespace std;
class Solution {
public:
int findMaxLength(vector<int>& nums) {
unordered_map<int, int> hash;
hash[0] = -1; // 默认有一个前缀和为 0 的情况
int sum = 0, ret = 0;
for (int i = 0; i < nums.size(); i++) {
sum += nums[i] == 0 ? -1 : 1; // 计算当前位置的前缀和
if (hash.count(sum)) ret = max(ret, i - hash[sum]);
else hash[sum] = i;
}
return ret;
}
};
void printVector(const vector<int>& vec) {
cout << "[";
for (int i = 0; i < vec.size(); ++i) {
cout << vec[i];
if (i != vec.size() - 1) cout << ", ";
}
cout << "]";
}
int main() {
Solution sol;
vector<int> nums1 = {0, 1};
cout << "测试用例 1：数组 = "; printVector(nums1);
cout << "\n最长子数组长度：" << sol.findMaxLength(nums1) << " （预期：2）" << endl;
cout << "-------------------------" << endl;
vector<int> nums2 = {0, 1, 0};
cout << "测试用例 2：数组 = "; printVector(nums2);
cout << "\n最长子数组长度：" << sol.findMaxLength(nums2) << " （预期：2）" << endl;
cout << "-------------------------" << endl;
vector<int> nums3 = {0, 1, 0, 1};
cout << "测试用例 3：数组 = "; printVector(nums3);
cout << "\n最长子数组长度：" << sol.findMaxLength(nums3) << " （预期：4）" << endl;
cout << "-------------------------" << endl;
vector<int> nums4 = {0, 0, 0, 1, 1, 1, 0};
cout << "测试用例 4：数组 = "; printVector(nums4);
cout << "\n最长子数组长度：" << sol.findMaxLength(nums4) << " （预期：6）" << endl;
cout << "-------------------------" << endl;
vector<int> nums5 = {0};
cout << "测试用例 5：数组 = "; printVector(nums5);
cout << "\n最长子数组长度：" << sol.findMaxLength(nums5) << " （预期：0）" << endl;
return 0;
}
二维前缀和的简单应用题，关键就是我们在填写结果矩阵的时候，要找到原矩阵对应区域的左上角以及右下角的坐标 (推荐大家画图)。
x1 = i - k, y1 = j - k，但是由于会超过矩阵的范围，因此需要对 0 取一个 max。因此修正后的坐标为：x1 = max(0, i - k), y1 = max(0, j - k)；x2 = i + k, y2 = j + k，但是由于会超过矩阵的范围，因此需要对 m - 1，以及 n - 1 取一个 min。因此修正后的坐标为：x2 = min(m - 1, i + k), y2 = min(n - 1, j + k)。
class Solution {
public:
vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k) {
// 1. 获取矩阵的 行数 m、列数 n
int m = mat.size(), n = mat[0].size();
// 2. 创建 (m+1) 行*(n+1) 列 的二维前缀和数组 dp
// 前缀和数组统一从 下标 1 开始，避免处理 0 下标复杂的边界问题
vector<vector<int>> dp(m + 1, vector<int>(n + 1));
// 3. 预处理：构建二维前缀和矩阵
for (int i = 1; i <= m; i++)
for (int j = 1; j <= n; j++)
// 二维前缀和核心公式
dp[i][j] = dp[i - 1][j] // 上方前缀和
+ dp[i][j - 1] // 左方前缀和
- dp[i - 1][j - 1] // 减去重复计算的左上角区域
+ mat[i - 1][j - 1]; // 加上当前原矩阵的元素
// 4. 创建结果矩阵，大小和原矩阵一致 m*n
vector<vector<int>> ret(m, vector<int>(n));
// 5. 遍历原矩阵每一个位置 (i,j)，计算对应区域和
for (int i = 0; i < m; i++)
for (int j = 0; j < n; j++) {
// 计算正方形区域的 左上角坐标 (x1,y1)、右下角坐标 (x2,y2)
// max(0, i-k)：防止向上越界，最小只能到第 0 行
// +1：把原矩阵的 0-based 下标 转为 前缀和矩阵的 1-based 下标
int x1 = max(0, i - k) + 1;
int y1 = max(0, j - k) + 1;
// min(m-1, i+k)：防止向下越界，最大只能到最后一行
// +1：转为 1-based 下标
int x2 = min(m - 1, i + k) + 1;
int y2 = min(n - 1, j + k) + 1;
// 二维前缀和 计算子矩阵和的核心公式
ret[i][j] = dp[x2][y2] // 右下角总和
- dp[x1 - 1][y2] // 减去上方区域
- dp[x2][y1 - 1] // 减去左方区域
+ dp[x1 - 1][y1 - 1]; // 加回重复减去的左上角区域
}
// 返回最终结果矩阵
return ret;
}
};
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
class Solution {
public:
vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k) {
int m = mat.size(), n = mat[0].size();
vector<vector<int>> dp(m + 1, vector<int>(n + 1));
for (int i = 1; i <= m; i++)
for (int j = 1; j <= n; j++)
dp[i][j] = dp[i - 1][j] + dp[i][j - 1] - dp[i - 1][j - 1] + mat[i - 1][j - 1];
vector<vector<int>> ret(m, vector<int>(n));
for (int i = 0; i < m; i++)
for (int j = 0; j < n; j++) {
int x1 = max(0, i - k) + 1;
int y1 = max(0, j - k) + 1;
int x2 = min(m - 1, i + k) + 1;
int y2 = min(n - 1, j + k) + 1;
ret[i][j] = dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] + dp[x1 - 1][y1 - 1];
}
return ret;
}
};
void printMatrix(const vector<vector<int>>& mat) {
for (const auto& row : mat) {
for (int num : row) cout << num << "\t";
cout << endl;
}
}
int main() {
Solution sol;
vector<vector<int>> mat1 = {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}};
int k1 = 1;
cout << "测试用例 1：原矩阵 (k=1)" << endl;
printMatrix(mat1);
cout << "结果矩阵：" << endl;
vector<vector<int>> res1 = sol.matrixBlockSum(mat1, k1);
printMatrix(res1);
cout << "-------------------------" << endl;
vector<vector<int>> mat2 = {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}};
int k2 = 2;
cout << "测试用例 2：原矩阵 (k=2)" << endl;
printMatrix(mat2);
cout << "结果矩阵：" << endl;
vector<vector<int>> res2 = sol.matrixBlockSum(mat2, k2);
printMatrix(res2);
cout << "-------------------------" << endl;
vector<vector<int>> mat3 = {{5}};
int k3 = 10;
cout << "测试用例 3：原矩阵 (k=10)" << endl;
printMatrix(mat3);
cout << "结果矩阵：" << endl;
vector<vector<int>> res3 = sol.matrixBlockSum(mat3, k3);
printMatrix(res3);
return 0;
}
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online
通过删除不必要的空白来缩小和压缩JSON。 在线工具，JSON 压缩在线工具，online