1310-子数组异或查询(XOR Queries of a Subarray)

原文链接: https://leetcode-cn.com/problems/xor-queries-of-a-subarray

英文原文

You are given an array arr of positive integers. You are also given the array queries where queries[i] = [left_i,right_i].

For each query i compute the XOR of elements from left_i to right_i (that is, arr[left_i] XOR arr[left_i + 1] XOR ... XOR arr[right_i] ).

Return an array answer where answer[i] is the answer to the i^th query.

Example 1:

Input: arr = [1,3,4,8], queries = [[0,1],[1,2],[0,3],[3,3]]
Output: [2,7,14,8] 
Explanation: 
The binary representation of the elements in the array are:
1 = 0001 
3 = 0011 
4 = 0100 
8 = 1000 
The XOR values for queries are:
[0,1] = 1 xor 3 = 2 
[1,2] = 3 xor 4 = 7 
[0,3] = 1 xor 3 xor 4 xor 8 = 14 
[3,3] = 8

Example 2:

Input: arr = [4,8,2,10], queries = [[2,3],[1,3],[0,0],[0,3]]
Output: [8,0,4,4]

Constraints:

1 <= arr.length, queries.length <= 3 * 10⁴
1 <= arr[i] <= 10⁹
queries[i].length == 2
0 <= left_i <= right_i < arr.length

中文题目

有一个正整数数组 arr，现给你一个对应的查询数组 queries，其中 queries[i] = [L_i,R_i]。

对于每个查询 i，请你计算从 L_i 到 R_i 的 XOR 值（即 arr[L_i] xor arr[L_i+1] xor ... xor arr[R_i]）作为本次查询的结果。

并返回一个包含给定查询 queries 所有结果的数组。

示例 1：

输入：arr = [1,3,4,8], queries = [[0,1],[1,2],[0,3],[3,3]]
输出：[2,7,14,8] 
解释：
数组中元素的二进制表示形式是：
1 = 0001 
3 = 0011 
4 = 0100 
8 = 1000 
查询的 XOR 值为：
[0,1] = 1 xor 3 = 2 
[1,2] = 3 xor 4 = 7 
[0,3] = 1 xor 3 xor 4 xor 8 = 14 
[3,3] = 8

示例 2：

输入：arr = [4,8,2,10], queries = [[2,3],[1,3],[0,0],[0,3]]
输出：[8,0,4,4]

提示：

1 <= arr.length <= 3 * 10^4
1 <= arr[i] <= 10^9
1 <= queries.length <= 3 * 10^4
queries[i].length == 2
0 <= queries[i][0] <= queries[i][1] < arr.length

通过代码

高赞题解

基本分析

令数组 arr 和数组 queries 的长度分别为 n 和 m。

n 和 m 的数据范围均为 $10^4$，因此 $O(m * n)$ 的暴力做法我们不用考虑了。

数据范围要求我们做到「对数复杂度」或「线性复杂度」。

本题主要利用异或运算中的「相同数值进行运算结果为 $0$」的特性。

对于特定数组 $[a1, a2, a3, … , an]$，要求得任意区间 $[l, r]$ 的异或结果，可以通过 $[1, r]$ 和 $[1, l - 1]$ 的异或结果得出：

$$
xor(l, r) = xor(1, r) ⊕ xor(1, l - 1)
$$

本质上还是利用集合（区间结果）的容斥原理。只不过前缀和需要利用「减法（逆运算）」做容斥，而前缀异或是利用「相同数值进行异或结果为 $0$（偶数次的异或结果为 $0$）」的特性实现容斥。

对于「区间求值」问题，之前在【题解】307. 区域和检索 - 数组可修改也做过总结。

针对不同的题目，有不同的方案可以选择（假设有一个数组）：

数组不变，求区间和：「前缀和」、「树状数组」、「线段树」
多次修改某个数，求区间和：「树状数组」、「线段树」
多次整体修改某个区间，求区间和：「线段树」、「树状数组」（看修改区间的数据范围）
多次将某个区间变成同一个数，求区间和：「线段树」、「树状数组」（看修改区间的数据范围）

虽然「线段树」能解决的问题最多，但「线段树」代码很长，且常数很大，实际表现不算好。我们只有在不得不用的情况下才考虑「线段树」。

本题我们使用「树状数组」和「前缀和」来求解。

树状数组

使用「树状数组」分段记录我们某些区间的「异或结果」，再根据 queries 中的询问将分段「异或结果」汇总（执行异或运算），得出最终答案。

代码（感谢 @Benhao 和 @answerer 同学提供的其他语言版本）：

[]
class Solution {
    int n;
    int[] c = new int[100009];
    int lowbit(int x) {
        return x & -x;
    }
    void add(int x, int u) {
        for (int i = x; i <= n; i += lowbit(i)) c[i] ^= u;
    }
    int query(int x) {
        int ans = 0;
        for (int i = x; i > 0; i -= lowbit(i)) ans ^= c[i];
        return ans;
    }
    public int[] xorQueries(int[] arr, int[][] qs) {
        n = arr.length;
        int m = qs.length;
        for (int i = 1; i <= n; i++) add(i, arr[i - 1]);
        int[] ans = new int[m];
        for (int i = 0; i < m; i++) {
            int l = qs[i][0] + 1, r = qs[i][1] + 1;
            ans[i] = query(r) ^ query(l - 1);
        }
        return ans;
    }
}

[]
class Solution:
    def xorQueries(self, arr: List[int], queries: List[List[int]]) -> List[int]:
        n, m = len(arr), len(queries)
        c = [0] * 100009
        def lowbit(x):
            return x & -x

        def add(x,u):
            i = x
            while i <= n:
                c[i] ^= u
                i += lowbit(i)

        def query(x):
            ans = 0
            i = x
            while i:
                ans ^= c[i]
                i -= lowbit(i)
            return ans

        for i in range(1, n+1):
            add(i, arr[i-1])
        
        ans = [0] * m
        for i in range(m):
            ans[i] = query(queries[i][1] + 1) ^ query(queries[i][0])
        return ans

[]
class Solution {
    int t[30005];
    int n;
public:
    int lowbit(int x){
        return x &( -x);
    }
    void add(int x, int k){
        for(int i = x; i <= n; i += lowbit(i)) t[i] ^= k;
    }
    int query(int x){
        int ans = 0;
        for(int i = x; i > 0; i -=lowbit(i)) ans ^= t[i];
        return ans;
    }
    vector<int> xorQueries(vector<int>& arr, vector<vector<int>>& queries) {
        int n = arr.size();
        this->n = n;
        vector <int> ans;
        memset(t, 0, sizeof(t));
        for(int i = 0; i < n; ++i){
            add(i + 1, arr[i]);
        }
        for(auto & q: queries){
            ans.emplace_back(query(q[1] + 1) ^ query(q[0]));
        }
        return ans;
    }
};

时间复杂度：令 arr 数组长度为 n，qs 数组的长度为 m。创建树状数组复杂度为 $O(n\log{n})$；查询的复杂度为 $O(m\log{n})$。整体复杂度为 $O((n + m) \log{n})$
空间复杂度：$O(n)$

前缀异或

「树状数组」的查询复杂度为 $O(\log{n})$，而本题其实不涉及「修改操作」，我们可以使用「前缀异或」来代替「树状数组」。

虽说「树状数组」也有 $O(n)$ 的创建方式，但这里使用「前缀异或」主要是为了降低查询的复杂度。

代码（感谢 @Benhao 和 @zer0fire 同学提供的其他语言版本）：

[]
class Solution {
    public int[] xorQueries(int[] arr, int[][] qs) {
        int n = arr.length, m = qs.length;
        int[] sum = new int[n + 1];
        for (int i = 1; i <= n; i++) sum[i] = sum[i - 1] ^ arr[i - 1];
        int[] ans = new int[m];
        for (int i = 0; i < m; i++) {
            int l = qs[i][0] + 1, r = qs[i][1] + 1;
            ans[i] = sum[r] ^ sum[l - 1];
        }
        return ans;
    }
}

[]
class Solution:
    def xorQueries(self, arr: List[int], queries: List[List[int]]) -> List[int]:
        prexor = list(accumulate([0] + arr, xor))
        return [prexor[i] ^ prexor[j + 1] for i, j in queries]

[]
var xorQueries = function(arr, queries) {
    let n = arr.length
    let m = queries.length
    let sum = [n+1]
    for(let i = 1; i <= n; i++) {
        sum[i] = sum[i - 1] ^ arr[i - 1]
    }
    let ans = [m]
    for(let  i = 0; i < m; i++) {
        let l = queries[i][0] + 1
        let r = queries[i][1] + 1
        ans[i] = sum[r] ^ sum[l -1]
    }
    return ans
};

时间复杂度：令 arr 数组长度为 n，qs 数组的长度为 m。预处理前缀和数组复杂度为 $O(n)$；查询的复杂度为 $O(m)$。整体复杂度为 $O(n + m)$
空间复杂度：$O(n)$

统计信息

通过次数	提交次数	AC比率
37487	52494	71.4%

提交历史

提交时间	提交结果	执行时间	内存消耗	语言

凤起丶宛南

从来没有真正的绝境，只有心灵的迷途