前缀和与哈希表高效求解子数组和问题

1. 问题背景与核心思路

这道题目要求我们找出数组中所有和为k的连续子数组的个数。乍一看似乎需要枚举所有可能的子数组，但这样的暴力解法时间复杂度会达到O(n²)，对于大规模数据显然不够高效。

这里引入前缀和的概念：前缀和数组的第i项表示原数组前i项的和。通过预处理得到前缀和数组后，任意子数组的和都可以通过两个前缀和相减得到。例如，子数组nums[i..j]的和等于prefix[j+1] - prefix[i]。

但仅仅使用前缀和数组仍然需要双重循环。这时候哈希表就派上用场了——我们可以用哈希表记录每个前缀和出现的次数。遍历时，当前前缀和减去k的值如果在哈希表中存在，说明找到了满足条件的子数组。这种方法将时间复杂度优化到了O(n)。

2. 前缀和与哈希表的精妙配合

2.1 前缀和数组的构建

前缀和数组的构建非常简单：

code复制prefix[0] = 0
prefix[i] = prefix[i-1] + nums[i-1] (i > 0)

这样设计的好处是：

1. 统一了边界条件的处理
2. 空子数组的和为0，对应prefix[0]
3. 子数组nums[0..j]的和直接就是prefix[j+1]

2.2 哈希表的实时更新

我们不需要显式地构建整个前缀和数组，而是可以在遍历时实时计算当前前缀和，并用哈希表记录每个前缀和出现的次数。具体步骤：

1. 初始化哈希表hash_map，记录prefix_sum -> count
2. 初始化prefix_sum = 0，count = 0
3. 遍历数组：
   • 更新当前prefix_sum += nums[i]
   • 检查hash_map中是否存在(prefix_sum - k)
   • 更新count
   • 将当前prefix_sum存入hash_map

这种实时更新的方式节省了空间复杂度，从O(n)降到了O(1)。

3. 实现细节与边界条件

3.1 代码实现（C++示例）

cpp复制int subarraySum(vector<int>& nums, int k) {
    unordered_map<int, int> prefix_map;
    prefix_map[0] = 1;  // 初始前缀和为0出现1次