总和等于其长度的子数组的数量

给定一个整数数组，返回总和等于其长度的子数组的数量。

子数组是原数组中连续的一段数字。例如，数组[1, -1, 1, -1, 1, -1, 1]中，总和等于其长度的子数组有[1, -1, 1, -1, 1, -1, 1]和[-1, 1, -1, 1, -1, 1]。

解法一：暴力法

暴力法是一种容易理解和实现的解决方案，它基本上通过枚举每个连续字数组并对其求和来评估每个连续字数组的和是否等于长度。然而由于这个算法的时间复杂度为O（n ^ 3），因此它不适合用于大型输入。

def countSubarrays(nums):
    count = 0

    for i in range(len(nums)):
        for j in range(i, len(nums)):
            subarray = nums[i:j+1]
            if sum(subarray) == len(subarray):
                count += 1

    return count

解法二：前缀和

前缀和是一种优化计算参数总和的技术，其中我们首先预处理数组中所有元素之前的子数组总和，并通过查找所有可能的总和之间的差异来找到长度等于总和的子数组。

def countSubarrays(nums):
    count = 0
    prefix_sum = {0:1}
    total_sum = 0

    for num in nums:
        total_sum += num
        if total_sum - len(nums) in prefix_sum:
            count += prefix_sum[total_sum - len(nums)]
        prefix_sum[total_sum] = prefix_sum.get(total_sum, 0) + 1

    return count

解法三：滑动窗口

滑动窗口是一种类似于双指针的技术，其中我们维护窗口的左边缘和右边缘，并将它右移或向左移动以找到解决方案。在这种情况下，我们可以使用包含连续跟踪总和与当前长度的变量来跟踪子数组。

def countSubarrays(nums):
    count = curr_sum = 0
    left = 0

    for right in range(len(nums)):
        curr_sum += nums[right]
        while left < right and curr_sum > len(nums):
            curr_sum -= nums[left]
            left += 1
        if curr_sum == right-left+1:
            count += 1

    return count

以上三种方法的时间复杂度均为O（n），因为它们每个都需要遍历数组一次。但是，由于它们使用不同的技术，因此在对提供的特定数据集进行评估时可能会有差异。