1. 问题解析：和为K的子数组
给定一个整数数组nums和一个整数k，我们需要统计数组中连续子数组和等于k的个数。子数组是指数组中元素的连续非空序列。
这个问题看似简单，但直接暴力枚举所有可能的子数组会导致O(n²)的时间复杂度，对于较大的数组（如题目提示的2×10⁴长度）会非常低效。因此我们需要寻找更优化的解法。
关键观察点：连续子数组的和可以表示为两个前缀和的差值。即sum(nums[i..j]) = prefix_sum[j] - prefix_sum[i-1]
2. 前缀和与哈希表解法详解
2.1 前缀和概念
前缀和是指从数组起始位置到当前位置所有元素的和。例如对于数组[1,2,3,4]，其前缀和数组为[0,1,3,6,10]（通常会在前面加一个0方便计算）。
前缀和的核心价值在于：
- 将子数组求和问题转化为前缀和差值问题
- 避免重复计算，提高效率
2.2 哈希表优化思路
我们可以在遍历数组时：
- 计算当前的前缀和
- 检查哈希表中是否存在（当前前缀和 - k）
- 如果存在，说明找到了满足条件的子数组
- 更新哈希表中当前前缀和的出现次数
这种方法将时间复杂度从O(n²)降低到O(n)，空间复杂度为O(n)。
3. 代码实现与逐行解析
java复制class Solution {
public int subarraySum(int[] nums, int k) {
// 创建哈希表记录前缀和出现次数
HashMap<Integer, Integer> prefixSumCount = new HashMap<>();
// 初始化：前缀和为0出现1次（空数组的情况）
prefixSumCount.put(0, 1);
int count = 0; // 结果计数器
int prefixSum = 0; // 当前前缀和
for (int num : nums) {
prefixSum += num; // 更新当前前缀和
// 检查是否存在prefixSum - k的前缀和
if (prefixSumCount.containsKey(prefixSum - k)) {
count += prefixSumCount.get(prefixSum - k);
}
// 更新当前前缀和的出现次数
prefixSumCount.put(prefixSum,
prefixSumCount.getOrDefault(prefixSum, 0) + 1);
}
return count;
}
}
代码关键点解析：
prefixSumCount.put(0, 1)：处理从数组开头开始的子数组情况prefixSum += num：动态维护当前前缀和prefixSum - k：寻找满足条件的子数组起点getOrDefault：优雅地处理哈希表中不存在的键
4. 算法复杂度分析
- 时间复杂度：O(n)，只需一次遍历数组
- 空间复杂度：O(n)，最坏情况下需要存储所有不同的前缀和
相比暴力解法的O(n²)时间复杂度，这种方法在大型数据集上优势明显。
5. 边界条件与特殊案例
5.1 空数组或零和情况
- 空数组的和为0
- 题目要求非空子数组，但初始的prefixSumCount.put(0,1)是必要的
5.2 负数元素
- 数组可能包含负数，这使得滑动窗口方法不适用
- 前缀和+哈希表方法能正确处理负数情况
5.3 大数情况
- 前缀和可能很大（题目提示k可达±10⁷）
- Java的HashMap能处理大整数，无需担心
6. 同类问题扩展
这种前缀和+哈希表的技巧可以解决多种变体问题：
- 最长子数组和为k：记录前缀和首次出现的位置
- 子数组和在某个范围内：使用有序数据结构维护前缀和
- 二维矩阵中的子矩阵和：扩展为二维前缀和
7. 常见错误与调试技巧
7.1 忘记初始化prefixSumCount.put(0,1)
- 会导致漏算从数组开头开始的子数组
- 调试方法：用简单测试用例如nums=[1], k=1验证
7.2 更新哈希表的顺序错误
- 应该先检查再更新，否则会重复计算
- 调试方法：跟踪每次循环的prefixSum和哈希表状态
7.3 整数溢出问题
- 虽然题目限制了数值范围，但在其他场景需要注意
- 调试方法：使用大数测试用例检查
8. 性能优化建议
- 对于Java，使用基本类型优化的HashMap实现（如Trove库）
- 如果k=0是常见情况，可以特殊处理
- 对于特定数据分布（如全正数），可以使用滑动窗口优化
9. 实际应用场景
这种算法在以下场景有实际应用：
- 金融数据分析：查找特定收益区间的交易时段
- 信号处理：检测特定能量水平的信号片段
- 生物信息学：寻找DNA序列中特定碱基组合
10. 个人实践心得
在实际编码面试中，这类问题非常常见。我总结了几个关键点：
- 看到"子数组和"要立即想到前缀和
- 哈希表是优化查找的利器
- 初始条件(prefixSum=0)容易被忽略，要特别注意
- 先写暴力解法确保理解题意，再优化
对于这个具体问题，我建议：
- 在白板上手动模拟小例子（如题目中的示例）
- 注意更新哈希表和检查条件的顺序
- 考虑边缘情况（全零数组、k=0等）
最后分享一个调试技巧：可以在循环内打印prefixSum和哈希表状态，这样能直观看到算法执行过程，帮助理解工作原理。