解决"统计数组中连续子数组和能被 k整除的个数"问题，我们可以通过 前缀和 + 哈希表 + 同余定理 优化时间复杂度（从暴力法的 O(n2)降到 O(n)），以下是详细解题步骤：
一、核心思路：前缀和与同余定理
假设数组的前缀和数组 为 sum（sum[i]表示前 i个元素的和，sum[0]=0，sum[1]=nums[0]，sum[2]=nums[0]+nums[1]...）。对于任意子数组 nums[i..j]（从第 i个到第 j个元素），其和为 sum[j+1] - sum[i]。
若该子数组和能被 k整除，则需满足：
(sum[j+1]−sum[i])%k=0根据同余定理，上式等价于：
sum[j+1]%k=sum[i]%k因此，问题转化为：统计前缀和余数相同的出现次数------每当遇到与前缀和余数相同的历史记录时，这些记录对应的位置到当前位置的子数组和都能被 k整除。
二、处理余数的符号问题
编程语言中，取模运算对负数的处理可能返回负数（如 Java 中 (-2) \% 5 = -2）。为保证余数在 [0, k-1]范围内，需对余数做修正：
r=(sum%k+k)%k三、哈希表的作用与初始化
-
哈希表
hash：键为"前缀和的余数"，值为"该余数出现的次数"。 -
初始化 ：必须预先存入
<0, 1>，表示"前缀和为 0（未遍历任何元素时）的余数 0 出现 1 次"------这是为了处理"子数组从数组开头开始"的情况（如前缀和本身能被 k整除时）。
四、算法执行流程（以 Java 为例）
public int subarraysDivByK(int[] nums, int k) {
Map<Integer, Integer> hash = new HashMap<>();
hash.put(0, 1); // 初始：前缀和为0，余数0出现1次
int sum = 0; // 记录当前前缀和
int result = 0; // 记录符合条件的子数组数量
for (int x : nums) {
sum += x; // 计算当前前缀和
// 计算余数（处理负数情况）
int r = (sum % k + k) % k;
// 历史中出现r的次数，都是新增的有效子数组数量
result += hash.getOrDefault(r, 0);
// 更新当前余数r的出现次数（供后续元素使用）
hash.put(r, hash.getOrDefault(r, 0) + 1);
}
return result;
}五、步骤拆解与示例验证
以题目中示例 nums = [4,5,0,-2,-3,1], k=5为例，逐步分析：
遍历元素 x |
当前前缀和 sum |
修正后余数 r |
哈希表操作（查+增） | 结果 result变化 |
|---|---|---|---|---|
| 初始 | - | - | hash = {0:1} |
0 |
| 4 | 4 | 4 | 查 r=4→ 0；result += 0→ 0 更新 hash = {0:1, 4:1} |
0 |
| 5 | 9 | 4 | 查 r=4→ 1；result += 1→ 1 更新 hash = {0:1, 4:2} |
1 |
| 0 | 9 | 4 | 查 r=4→ 2；result += 2→ 3 更新 hash = {0:1, 4:3} |
3 |
| -2 | 7 | 2 | 查 r=2→ 0；result += 0→ 3 更新 hash = {0:1, 4:3, 2:1} |
3 |
| -3 | 4 | 4 | 查 r=4→ 3；result += 3→ 6 更新 hash = {0:1, 4:4, 2:1} |
6 |
| 1 | 5 | 0 | 查 r=0→ 1；result += 1→ 7 更新 hash = {0:2, 4:4, 2:1} |
7 |
最终返回 7，与题目示例一致。
六、关键总结
-
核心是利用前缀和的差 与同余定理将子数组和问题转化为余数统计问题。
-
哈希表用于高效统计余数出现次数，避免暴力枚举。
-
余数修正（
(sum % k + k) % k）是处理负数的关键，保证余数非负。 -
哈希表初始化
<0, 1>是为了覆盖"子数组从数组开头开始"的边界情况。
这种方法时间复杂度为 O(n)（仅遍历数组一次），空间复杂度为 O(k)（哈希表最多存 k个不同余数），在性能上是高效的。