如何在 Java 中利用数组实现简单的前缀和（Prefix Sum）技术以支持 O(1) 时间的区间查询

如何在 Ja va 中利用数组实现简单的前缀和（Prefix Sum）技术以支持 O(1) 时间的区间查询

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

在 Ja va 开发中，尤其是处理数据查询时，你是否遇到过这样的场景：需要频繁计算一个数组中某个连续区间的元素之和？如果每次都去遍历累加，效率显然不高。这时候，前缀和（Prefix Sum）技术就该登场了。它的核心思路非常巧妙：通过一次性的预处理，将后续所有区间求和的复杂度降至 O(1)。

构造前缀和数组

具体怎么实现呢？关键在于构建一个辅助数组。假设我们有一个原始数组 nums，长度为 n。通常，我们会选择构建一个长度为 n + 1 的“带哨兵”前缀和数组 prefix。这个小小的“+1”设计，能让我们在后续计算时省去不少边界判断的麻烦。

• 首先，初始化 prefix[0] = 0。
• 然后，从 i = 1 开始遍历到 n，执行 prefix[i] = prefix[i - 1] + nums[i - 1]。

这样一来，prefix[i] 存储的值，就恰好是原数组 nums 中从第 0 个元素到第 i-1 个元素的总和。整个预处理过程只需要 O(n) 的时间。

实现 O(1) 区间查询

预处理完成后，真正的魔法就发生了。当我们需要查询原数组中任意闭区间 [left, right]（其中 0 ≤ left ≤ right < n）的和时，只需要一个简单的减法：

sum = prefix[right + 1] - prefix[left]

这个公式为什么成立？我们拆解一下：

• prefix[right + 1] 代表了 nums[0] 到 nums[right] 的所有元素之和。
• prefix[left] 代表了 nums[0] 到 nums[left - 1] 的所有元素之和。
• 两者相减，中间重叠的部分被抵消，剩下的正是我们需要的 nums[left] 到 nums[right] 的区间和。

看，一次查询，无论区间多长，都只需要常数时间，效率的提升立竿见影。

Ja va 示例代码

理论说清楚了，来看一个完整、可直接运行的 Ja va 示例代码，它会让你理解得更透彻：

public class PrefixSum {
    private int[] prefix;

public PrefixSum(int[] nums) {
    int n = nums.length;
    prefix = new int[n + 1];
    for (int i = 1; i <= n; i++) {
        prefix[i] = prefix[i - 1] + nums[i - 1];
    }
}

// 查询 [left, right] 闭区间的和，O(1)
public int rangeSum(int left, int right) {
    return prefix[right + 1] - prefix[left];
}

// 使用示例
public static void main(String[] args) {
    int[] nums = {2, 1, 3, 5, 4};
    PrefixSum ps = new PrefixSum(nums);
    System.out.println(ps.rangeSum(1, 3)); // nums[1]+nums[2]+nums[3] = 1+3+5 = 9
    System.out.println(ps.rangeSum(0, 4)); // 全数组和 = 15
}
}
注意事项与扩展
当然，前缀和技术并非万能钥匙。它最适合处理“静态数组”，也就是那些初始化后就不太会频繁修改元素值的场景。如果业务需求中需要支持大量的单点更新操作，那么前缀和每次更新都需要重新计算一大片，效率就不够看了。这时候，就该考虑更高级的数据结构，比如线段树或者树状数组（Fenwick Tree）。
最后，再划几个重点：

复杂度：空间复杂度为 O(n)，预处理时间复杂度为 O(n)，查询则是 O(1)。
边界检查：在实际生产代码中，务必记得在查询方法中加入索引越界的校验，例如判断 left 和 right 是否在合法范围内，以及 left 是否小于等于 right。
思路延伸：这个一维前缀和的思路完全可以推广到二维，也就是“二维前缀和”，用于高效计算一个矩阵中任意子矩阵内所有元素的和，这在图像处理、动态规划等算法中非常有用。