力扣top100(day01-03)
560. 和为 K 的子数组
class Solution {public int subarraySum(int[] nums, int k) {int count = 0;for (int i = 0; i < nums.length; i++) {int sum = 0;for (int j = i; j < nums.length; j++) {sum += nums[j];if (sum == k) {count++;}// else if(sum>k){// continue;// }}}return count;}
}public class Solution {public int subarraySum(int[] nums, int k) {// count：记录满足条件的子数组数量// pre：当前的前缀和（nums[0] + nums[1] + ... + nums[i]）int count = 0, pre = 0;// mp：哈希表，key 是前缀和，value 是该前缀和出现的次数HashMap<Integer, Integer> mp = new HashMap<>();// 初始化：前缀和为 0 的情况出现 1 次（空子数组的和为 0）mp.put(0, 1);// 遍历数组，计算前缀和for (int i = 0; i < nums.length; i++) {// 更新当前的前缀和pre += nums[i];// 检查是否存在 pre - k 的前缀和// 如果存在，说明从某个位置到当前位置的子数组和为 kif (mp.containsKey(pre - k)) {// 累加 pre - k 的出现次数到 countcount += mp.get(pre - k);}// 将当前前缀和存入哈希表，并更新出现次数mp.put(pre, mp.getOrDefault(pre, 0) + 1);}// 返回满足条件的子数组数量return count;}
}关键逻辑注释
1.
mp.put(0, 1)的作用
为什么需要初始化
mp.put(0, 1)？
因为空子数组（不选任何元素）的和为0。如果某个前缀和直接等于k（比如nums[0..i] == k），我们需要pre - k = 0的情况能被统计到。2.
if (mp.containsKey(pre - k))的逻辑
为什么
pre - k能表示子数组和为k？
假设pre[j]是当前前缀和，pre[i]是之前某个前缀和，如果pre[j] - pre[i] = k，那么子数组nums[i+1..j]的和就是k。
举例：
nums = [1, 2, 3]，k = 3
i = 1时，pre = 1 + 2 = 3，pre - k = 0（mp中有0），说明子数组[1, 2]的和为3。
i = 2时，pre = 1 + 2 + 3 = 6，pre - k = 3（mp中有3），说明子数组[3]的和为3。3.
mp.put(pre, ...)的作用
为什么需要更新哈希表？
记录每个前缀和的出现次数，后续可以通过pre - k快速判断是否存在满足条件的子数组。
示例运行（
nums = [1, 1, 1],k = 2）
步骤 i nums[i] pre pre - k mp 更新前 count 变化 mp 更新后 初始化 - - 0 - {0: 1} - - 1 0 1 1 -1 {0: 1} 无 {0: 1, 1: 1} 2 1 1 2 0 {0: 1, 1: 1} count += 1 {0: 1, 1: 1, 2: 1} 3 2 1 3 1 {0: 1, 1: 1, 2: 1} count += 1 {0: 1, 1: 1, 2: 1, 3: 1}
结果：
count = 2（子数组[1, 1]和[1, 1]）。
总结
核心思想：用前缀和和哈希表将问题转化为两数之差问题。
时间复杂度：O(n)，只需遍历一次数组。
空间复杂度：O(n)，哈希表存储前缀和。
53. 最大子数组和
class Solution {public int maxSubArray(int[] nums) {// pre：以当前元素结尾的子数组的最大和// maxAns：全局最大子数组和int pre = 0, maxAns = nums[0];for (int x : nums) {// 决定是否抛弃之前的子数组，或加入当前元素pre = Math.max(pre + x, x);// 更新全局最大值maxAns = Math.max(maxAns, pre);}return maxAns;}
}这段代码使用 动态规划（Kadane算法） 高效求解 最大子数组和 问题。它的核心思想是：
维护两个变量：
pre：表示以当前元素结尾的子数组的最大和。
maxAns：记录全局最大子数组和。递推关系：
对于每个元素
x，决定是将其加入前面的子数组（pre + x），还是以它作为新子数组的起点（x）。更新
maxAns为当前最大值。
逐行解析
1. 初始化
java
int pre = 0, maxAns = nums[0];
pre：初始化为0，表示尚未开始累加。
maxAns：初始化为nums[0]，因为至少包含一个元素的子数组的最大和可能是第一个元素本身。
2. 遍历数组
java
for (int x : nums) {pre = Math.max(pre + x, x);maxAns = Math.max(maxAns, pre); }
pre = Math.max(pre + x, x)：
pre + x：将当前元素x加入之前的子数组。
x：以当前元素x作为新子数组的起点。选择较大值，确保
pre始终是以x结尾的子数组的最大和。
maxAns = Math.max(maxAns, pre)：
更新全局最大值
maxAns。
示例演示
假设
nums = [-2, 1, -3, 4, -1, 2, 1, -5, 4]：
元素 (x) pre (更新前) pre + x x 新 pre maxAns (更新前) 新 maxAns -2 0 -2 -2 -2 -2 -2 1 -2 -1 1 1 -2 1 -3 1 -2 -3 -2 1 1 4 -2 2 4 4 1 4 -1 4 3 -1 3 4 4 2 3 5 2 5 4 5 1 5 6 1 6 5 6 -5 6 1 -5 1 6 6 4 1 5 4 5 6 6
最终结果：
maxAns = 6（对应子数组[4, -1, 2, 1]）。
复杂度分析
时间复杂度：O(n)，只需遍历一次数组。
空间复杂度：O(1)，仅使用常数空间。
关键点总结
动态规划状态转移：
pre表示以当前元素结尾的子数组的最大和。通过比较
pre + x和x决定是否抛弃之前的子数组。全局最大值更新：
每次迭代后更新
maxAns，确保不遗漏任何可能的子数组。初始化技巧：
maxAns初始化为nums[0]，处理数组全为负数的情况
56. 合并区间
class Solution {public int[][] merge(int[][] intervals) {if (intervals.length <= 1) {return intervals;}// 按区间起始点排序Arrays.sort(intervals, Comparator.comparingInt(a -> a[0]));List<int[]> merged = new ArrayList<>();int[] current = intervals[0];merged.add(current);for (int[] interval : intervals) {if (interval[0] <= current[1]) {// 合并区间current[1] = Math.max(current[1], interval[1]);} else {// 无法合并，添加到结果current = interval;merged.add(current);}}return merged.toArray(new int[merged.size()][]);}
}1. 输入处理与特殊情况
java
if (intervals.length <= 1) {return intervals; }
作用：如果输入的区间数量 ≤ 1（即空数组或单个区间），直接返回原数组。
原因：无需合并，直接返回即可。
2. 区间排序
java
Arrays.sort(intervals, Comparator.comparingInt(a -> a[0]));
作用：按区间的起始点（
intervals[i][0]）升序排序。原因：排序后，重叠的区间会相邻排列，便于后续合并。
示例：
输入：
[[2,6],[1,3],[8,10],[15,18]]排序后：
[[1,3],[2,6],[8,10],[15,18]]
3. 初始化合并列表
java
List<int[]> merged = new ArrayList<>(); int[] current = intervals[0]; merged.add(current);
merged：用于存储合并后的结果区间。
current：当前正在处理的区间，初始化为第一个区间。原因：从第一个区间开始逐步合并。
4. 遍历与合并区间
java
for (int[] interval : intervals) {if (interval[0] <= current[1]) {// 合并区间current[1] = Math.max(current[1], interval[1]);} else {// 无法合并，添加到结果current = interval;merged.add(current);} }
逻辑：
可合并：如果当前区间的起始点 ≤
current的结束点，说明两区间重叠。
更新
current的结束点为两者的最大值（扩展区间）。示例：
current = [1,3]，interval = [2,6]→ 合并为[1,6]。不可合并：如果区间不重叠，将
current加入结果，并更新current为新区间。
示例：
current = [1,6]，interval = [8,10]→ 无法合并，将[1,6]加入结果，current更新为[8,10]。
5. 返回结果
java
return merged.toArray(new int[merged.size()][]);
作用：将
List<int[]>转换为int[][]。原因：题目要求返回二维数组。
深入解析
Comparator.comparingInt(a -> a[0])这是Java中用于排序的一个关键表达式，属于函数式编程的用法。我们来彻底理解它的含义和工作原理。
1. 基本作用
java
Arrays.sort(intervals, Comparator.comparingInt(a -> a[0]));
功能：对二维数组
intervals按照每个子数组的第一个元素（即区间起点）进行升序排序。等价于：
java
Arrays.sort(intervals, (a, b) -> a[0] - b[0]);
2. 分解解析
(1)
Comparator接口
是Java中用于定义比较规则的接口。
核心方法：
int compare(T o1, T o2)。(2)
comparingInt()方法
是
Comparator的静态工厂方法。签名：
java
static <T> Comparator<T> comparingInt(ToIntFunction<? super T> keyExtractor)参数：
ToIntFunction，即从对象中提取一个int类型排序键的函数。作用：根据提取的
int键生成一个Comparator。(3)
a -> a[0]
是一个Lambda表达式，等价于：
java
new ToIntFunction<int[]>() {@Overridepublic int applyAsInt(int[] a) {return a[0];} }功能：输入一个区间
a，返回它的起始点a[0]。
3. 完整执行流程
提取排序键：对每个区间
a，提取a[0]（起始点）。比较规则：根据提取的
a[0]值生成默认的升序比较器。
相当于隐式实现了：
java
(a, b) -> Integer.compare(a[0], b[0])
4. 对比其他写法
写法 说明 Comparator.comparingInt(a -> a[0])函数式风格，简洁 (a, b) -> a[0] - b[0]传统Lambda，可能溢出 new Comparator<int[]>() { ... }匿名类，冗长
5. 为什么用
comparingInt？
避免整数溢出：
a[0] - b[0]在极大值时可能溢出。
Integer.compare(a[0], b[0])会正确处理边界。代码可读性：
明确表达"按某字段排序"的意图。
类型安全：
编译期检查提取的键是否为
int。
6. 扩展用法
(1) 降序排序
java
Arrays.sort(intervals, Comparator.comparingInt(a -> a[0]).reversed());(2) 多级排序
java
// 先按起点升序，再按终点降序 Arrays.sort(intervals,Comparator.comparingInt((int[] a) -> a[0]).thenComparing(Comparator.comparingInt(a -> a[1]).reversed()) );
7. 实际应用示例
输入：
[[3,4],[1,2],[2,3]]
排序后：[[1,2],[2,3],[3,4]]
代码执行：
提取每个元素的
a[0]：3, 1, 2按提取值排序：
1, 2, 3最终顺序：
[1,2],[2,3],[3,4]