
心路历程:
一开始用动态规划求解的,因为很明显这是一个背包问题,但是超内存了
从网上看到需要用数组的前缀和去解决
注意的点:
1、前缀和初始字典为{0:1},含义是第0个前边元素的前缀和为0
2、需要先查找再添加新的前缀和,否则当k=0的时候会重复计算;并且相当于在k=0的时候要自己减去自己,得到空集是没有意义的。
解法:数组前缀和*
            
            
              python
              
              
            
          
          class Solution:
    def subarraySum(self, nums: List[int], k: int) -> int:
        # 数组前缀和去解决
        pre_sum = 0
        predict = {0: 1} # ?
        res = 0
        for i in range(0, len(nums)):
            pre_sum += nums[i]
            prej = pre_sum - k
            if prej in predict.keys():
                res += predict[prej]
            # 先查找后添加?
            if pre_sum in predict.keys():
                predict[pre_sum] += 1
            else:
                predict[pre_sum] = 1
        return res
                
        超内存解法:动态规划+背包
            
            
              python
              
              
            
          
          class Solution:
    def subarraySum(self, nums: List[int], k: int) -> int:
        # 动态规划+01背包: 超内存
        @cache
        def dp(i, n):  # 以nums[i]为结尾的子数组的和为n的子数组个数
            if i == 0: return int(nums[0] == n)
            if nums[i] == n:  # 可以选也可以不选 i-1
                return 1 + dp(i-1, n-nums[i])  # max(1, 1 + dp(i-1, n-nums[i]))
            else:  # 只能选i-1
                return dp(i-1, n-nums[i])
        count = 0
        for i in range(len(nums)):
            count += dp(i, k)
        return count