截止到目前我已经写了 600多道算法题，其中部分已经整理成了pdf文档，目前总共有1000多页（并且还会不断的增加），大家可以免费下载
下载链接：https://pan.baidu.com/s/1hjwK0ZeRxYGB8lIkbKuQgQ
提取码：6666
来看下代码
public int subarraySum(int[] nums, int k) {
int count = 0;
for (int j = 0; j < nums.length; j++) {
for (int i = 0; i <= j; i++) {
int sum = 0;
//计算子数组[i……j]中所有数字的和
for (int m = i; m <= j; m++) {
sum += nums[m];
}
//如果子数组[i……j]中所有数字
//的和等于k，count加1
if (sum == k)
count++;
}
}
return count;
}
时间复杂度：O(n^3)。
空间复杂度：O(1)。
这种时间复杂度太高，当数据量比较大的时候，很容易超时，我们再来优化一下。当我们以nums[j]为子数组最后一个元素的时候，不用每次都枚举子数组[i……j]之间所有元素的和，只需要以nums[j]为最后一个元素，从后往前累加，即可计算以nums[j]为最后一个元素的连续子数组。比较绕，来看个图
来看下代码
public int subarraySum(int[] nums, int k) {
int count = 0;
for (int j = 0; j < nums.length; j++) {
//sum是以nums[j]为最后一个元素，
//从后往前累加的值
int sum = 0;
for (int i = j; i >= 0; i--) {
sum += nums[i];
//如果子数组的和等于k，count就加1
if (sum == k) {
count++;
}
}
}
return count;
}
时间复杂度：O(n^2)。
空间复杂度：O(1)。
时间复杂度从n^3降到了n^2，我们再来看一个时间复杂度为n的解决方式，就是前缀和。
public int subarraySum(int[] nums, int k) {
//先计算前缀和，pre[i]表示数组nums中前i个元素的和
int[] pre = new int[nums.length + 1];
for (int i = 0; i < nums.length; i++) {
pre[i + 1] = pre[i] + nums[i];
}
int count = 0;
Map<Integer, Integer> map = new HashMap<>();
for (int j = 0; j <= nums.length; j++) {
//计算pre[i-1]+pre[j]=k，我们只需要找出pre[i-1]
//的个数即可，这个可以通过map来查找
int other = pre[j] - k;
if (map.containsKey(other)) {
//如果map中存在pre[i-1]，把他的个数进行累加
count += map.get(other);
}
//pre[j]的个数加1在放到map中
map.put(pre[j], map.getOrDefault(pre[j], 0) + 1);
}
return count;
}
时间复杂度：O(n)。
空间复杂度：O(n)。