目录
- 一、离散化的核心思想与本质
- 二、离散化的应用场景
- 三、离散化的实现步骤
- 四、离散化的复杂度分析
- 五、离散化的优化技巧
- 六、常见误区与调试技巧
- 七、代码模版（c++）
- 八、经典例题
- 数列离散化
- 寻找满足高度的最大山峦美丽值
- 九、总结与学习建议
一、离散化的核心思想与本质
核心思想：离散化是一种将连续数据映射到有限离散值的技术，通常用于处理大规模数据或稀疏数据。
本质：通过将原始数据重新编号或映射，减少数据的规模和复杂度，同时保留数据的相对关系。
二、离散化的应用场景
区间查询与更新：
在线段树或树状数组中，离散化可以将大范围的坐标映射到小范围的索引，节省空间和时间。
示例：LeetCode 315. 计算右侧小于当前元素的个数。
统计与计数：
在统计频次或计数问题中，离散化可以减少数据规模，提高效率。
示例：LeetCode 493. 翻转对。
图论与网络流：
在图论问题中，离散化可以将大范围的节点编号映射到小范围，简化问题。
示例：LeetCode 685. 冗余连接 II。
几何问题：
在几何问题中，离散化可以将连续的坐标映射到离散的网格点，简化计算。
示例：LeetCode 850. 矩形面积 II。
三、离散化的实现步骤
-
数据收集
收集所有需要离散化的数据点（如坐标、值等）。 -
排序与去重
对数据点进行排序，并去除重复值。 -
映射与编号
将原始数据点映射到离散的索引（通常从 0 或 1 开始）。 -
应用离散化
使用映射后的索引代替原始数据点进行计算或存储。
四、离散化的复杂度分析
时间复杂度
排序与去重：
O(nlogn)，其中
n 是数据点的数量。
映射与编号：
O(n)。
空间复杂度
存储映射关系：
O(n)。
五、离散化的优化技巧
-
二分查找优化
在映射过程中，使用二分查找快速确定数据点的离散索引。 -
动态离散化
在动态数据流中，实时维护离散化映射。 -
多维度离散化
在多维数据中，分别对每个维度进行离散化。
六、常见误区与调试技巧
-
误区一：离散化会丢失信息
澄清：离散化仅改变数据的表示方式，不改变数据的相对关系。 -
误区二：离散化适用于所有问题
澄清：离散化适用于数据范围大但数据点稀疏的问题，对于密集数据可能不适用。 -
调试方法
打印映射关系：在离散化后输出映射关系，检查是否正确。
可视化数据分布：绘制原始数据和离散化后的数据分布，检查一致性。
七、代码模版（c++）
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
template<class T>
class Dicretizer {
private:
vector<T>m_data;
public:
void addData(T v);
void process();
int getData(T v) const;
int size()const;
};
template<class T>
void Dicretizer<T>::addData(T v) {
m_data.push_back(v);
}
template<class T>
void Dicretizer<T>::process() {
sort(m_data.begin(), m_data.end());
int lastId = 0;
for (int i = 1; i < m_data.size(); i++) {
T t = m_data[i];
if (t != m_data[lastId]) {
m_data[++lastId] = t;
}
}
while (lastId < m_data.size() - 1) {
m_data.pop_back();
}
}
template<class T>
int Dicretizer<T>::getData(T v) const {
int l = -1, r = m_data.size();
while (l + 1 < r) {
int mid = (l + r) / 2;
if (m_data[mid] >= v)r = mid;
else l = mid;
}
if (m_data[r] != v || r == m_data.size())return -1;
return r;
}
template<class T>
int Dicretizer<T>::size() const {
return m_data.size();
}
int main() {
return 0;
}
八、经典例题
数列离散化
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
template<class T>
class Dicretizer {
private:
vector<T>m_data;
public:
void addData(T v);
void process();
int get(T v) const;
int size() const;
};
template<class T>
void Dicretizer<T>::addData(T v) {
m_data.push_back(v);
}
template<class T>
void Dicretizer<T>::process() {
sort(m_data.begin(), m_data.end());
int lastId = 0;
for (int i = 1; i < m_data.size(); i++) {
T x = m_data[i];
if (x != m_data[lastId]) {
m_data[++lastId] = x;
}
}
while (lastId < m_data.size() - 1) {
m_data.pop_back();
}
}
template<class T>
int Dicretizer<T>::get(T v) const {
int l = -1, r = m_data.size();
while (l + 1 < r) {
int mid = (l + r) / 2;
if (m_data[mid] >= v)r = mid;
else l = mid;
}
if (r == m_data.size() || m_data[r] != v)return -1;
return r;
}
template<class T>
int Dicretizer<T>::size() const {
return m_data.size();
}
int a[100001];
int main() {
int n;
cin >> n;
while (n--) {
int s;
cin >> s;
Dicretizer<int> d;
for (int i = 0; i < s; i++) {
int x;
cin >> x;
a[i] = x;
d.addData(x);
}
d.process();
for (int i = 0; i < s; i++) {
cout << d.get(a[i]) + 1 << ' '; //因为数组下标是从0开始,所以加一
}
cout << endl;
}
return 0;
}
寻找满足高度的最大山峦美丽值
这道题太恶心了，实在不懂也没关系。
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
template<class T>
class Dicretizer {
private:
vector<T>m_data;
public:
void addData(T v);
void process();
int getData(T v) const;
int size()const;
};
template<class T>
void Dicretizer<T>::addData(T v) {
m_data.push_back(v);
}
template<class T>
void Dicretizer<T>::process() {
sort(m_data.begin(), m_data.end());
int lastId = 0;
for (int i = 1; i < m_data.size(); i++) {
T t = m_data[i];
if (t != m_data[lastId]) {
m_data[++lastId] = t;
}
}
while (lastId < m_data.size() - 1) {
m_data.pop_back();
}
}
template<class T>
int Dicretizer<T>::getData(T v) const {
int l = -1, r = m_data.size();
while (l + 1 < r) {
int mid = (l + r) / 2;
if (m_data[mid] >= v)r = mid;
else l = mid;
}
if (m_data[r] != v || r == m_data.size())return -1;
return r;
}
template<class T>
int Dicretizer<T>::size() const {
return m_data.size();
}
#define maxn 200001
struct HB {
int h, b;
}hb[maxn];
int k[maxn], maxv[maxn]; //k作为询问数组，maxv代表限高的最大美丽值
bool cmp(const HB& a, const HB& b) {
return a.h < b.h;
}
int main() {
Dicretizer<int>d;
int n, q;
cin >> n >> q;
for (int i = 0; i < n; i++) {
cin >> hb[i].h;
d.addData(hb[i].h);
}
for (int i = 0; i < n; i++) {
cin >> hb[i].b;
}
for (int i = 0; i < q; i++) {
cin >> k[i];
d.addData(k[i]);
}
d.process();
for (int i = 0; i < n; i++) {
hb[i].h = d.getData(hb[i].h);
}
for (int i = 0; i < q; i++) {
k[i] = d.getData(k[i]);
}
sort(hb, hb + n, cmp);
maxv[d.size()] = -1;
int j = n - 1;
for (int i = d.size() - 1; i >= 0; i--) {
maxv[i] = maxv[i + 1];
while(j >= 0 && hb[j].h == i) {
if(hb[j].b > maxv[i]) {
maxv[i] = hb[j].b;
}
j--;
}
}
for (int i = 0; i < q; i++) {
int x = k[i];
cout << maxv[x] << endl;
}
return 0;
}
九、总结与学习建议
- 核心总结
离散化是一种将连续数据映射到离散值的技术，适用于处理大规模或稀疏数据。
通过排序、去重和映射，可以高效实现离散化。
- 学习建议
分类刷题：按问题类型集中练习（如区间查询、统计计数、几何问题）。
理解算法原理：掌握离散化的实现步骤和优化技巧。
手写模拟过程：在纸上模拟离散化的过程，加深直观理解。
希望大家可以一键三连，后续我们一起学习，谢谢大家！！！
![[0689].第04节:Kafka与第三方的集成 – Kafka集成SpringBoot](https://i-blog.csdnimg.cn/direct/140c393cb63b4844a602013f6844e9f4.png)
