【优选算法必刷100题】第029-030题（前缀和）：和为k的子数组，和可被k整除的子数组
🔥个人主页：Cx330🌸
❄️个人专栏：《C语言》《LeetCode刷题集》《数据结构-初阶》《C++知识分享》
《优选算法指南-必刷经典100题》《Linux操作系统》:从入门到入魔
🌟心向往之行必能至
🎥Cx330🌸的简介：
目录
前言：
聚焦算法题实战，系统讲解三大核心板块：“精准定位最优解”——优选算法，“简化逻辑表达，系统性探索与剪枝优化”——递归与回溯，“以局部最优换全局高效”——贪心算法，讲解思路与代码实现，帮助大家快速提升代码能力
前缀和专题
29. 和为k的子数组
题目链接：
560. 和为 K 的子数组 - 力扣（LeetCode）
题目描述：
题目示例：
算法原理（前缀和+哈希）：
思路：
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：
- 找到在 [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
前缀和解法代码（C++）：
class Solution { public: int subarraySum(vector<int>& nums, int k) { unordered_map<int,int> hash; hash[0]=1; int n=nums.size(); int sum=0,ret=0; for(auto x:nums) { sum+=x; if(hash.count(sum-k)) ++ret; hash[sum]++; } return ret; } };博主手记（字体还请见谅哈）：
30. 和可被k整除的子数组
题目链接：
974. 和可被 K 整除的子数组 - 力扣（LeetCode）
题目描述：
题目示例：
算法原理（前缀和+哈希）：
前置知识补充：
同余定理：
如果 (a - b) % n == 0，那么我们可以得到一个结论：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。
负数取模问题：
- c++ 中关于负数的取模运算，结果是「把负数当成正数，取模之后的结果加上一个负号」。 例如：-1 % 3 = -(1 % 3) = -1
- 因为有负数，为了防止发生「出现负数」的结果，以 (a % n + n) % n 的形式输出保证为正。例如：-1 \% 3 = (-1 % 3 + 3) % 3 = 2
思路：
与上道题思路一样
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
- 设
【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 - 由同余定理可得，
【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。但是这个我们需要处理一下，确保不会为负数。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
前缀和解法代码（C++）：
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,ret=0; for(auto x:nums) { sum+=x;//算出当前位置的前缀和 int r=(sum%k+k)%k; if(hash.count(r)) ret+=hash[r]; hash[r]++; } return ret; } };博主手记（字体还请见谅哈）：
结尾：
总结：引入同余定理处理负数取模问题，同样采用哈希表优化查询效率，通过维护前缀和哈希表，将时间复杂度优化至O(n)，展示了前缀和技巧在子数组统计问题中的高效应用
