前缀和算法与哈希表优化子数组问题

1. 前缀和算法基础与应用场景

前缀和（Prefix Sum）是算法领域中一种极为实用的预处理技术，它通过预先计算并存储数组的累积和，将许多原本需要O(n²)时间复杂度的子数组求和问题优化至O(n)级别。这种思想在解决连续子数组相关问题时展现出惊人的效率提升。

1.1 前缀和的核心思想

前缀和的本质是空间换时间的典型应用。给定一个数组nums，我们构建一个前缀和数组prefix，其中prefix[i]表示nums从第0个元素到第i-1个元素的和（根据实现方式不同，索引可能有变化）。数学表达式为：

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

这种预处理带来的直接好处是：任何子数组nums[i..j]的和都可以在O(1)时间内通过prefix[j+1] - prefix[i]计算得出。这彻底避免了每次查询时都需要遍历子数组的重复计算。

1.2 哈希表的协同增效

单纯使用前缀和数组只能解决部分基础问题。当问题升级为"统计满足特定条件的子数组数量"时，哈希表的引入就变得至关重要。哈希表在这里扮演着"记忆装置"的角色，它实时记录遍历过程中各种前缀和值出现的次数，使得我们可以在O(1)时间内查询到历史信息。

这种组合技的典型应用场景包括：

• 寻找和为特定值的子数组
• 寻找满足特定数学关系的子数组（如可被k整除）
• 统计满足复杂条件的子数组数量

2. 和为K的子数组深度解析

2.1 问题重述与暴力解法

LeetCode第560题要求：给定一个整数数组nums和一个整数k，返回该数组中和为k的连续子数组的个数。

最直观的暴力解法是枚举所有可能的子数组，然后计算它们的和。这种方法需要双重循环，时间复杂度为O(n²)，在数组较大时（如n=10^5）会完全无法接受。

2.2 前缀和+哈希表的优化思路

优化关键在于认识到：子数组和sum[i..j]可以表示为prefix[j] - prefix[i-1]。我们希望这个差值等于k，即：

code复制prefix[j] - prefix[i-1] = k

这可以变形为：

code复制prefix[i-1] = prefix[j] - k

这意味着，在遍历数组计算prefix