数据离散化思想简述

---

1. 离散化概述

百度百科

离散化，把无限空间中有限的个体映射到有限的空间中去，以此提高算法的时空效率。
通俗的说，离散化是在不改变数据相对大小的条件下，对数据进行相应的缩小。例如：
原数据：1,999,100000,15；处理后：1,3,4,2；
原数据：{100,200}，{20,50000}，{1,400}；
处理后：{3,4}，{2,6}，{1,5}；

个人理解

其基本思想就是在众多可能的情况中，只考虑需要用的值。
离散化可以改进一个低效的算法，甚至实现根本不可能实现的算法。
离散化可以改变元素之间的相对大小，不改变他们的大小关系。
这种做法往往可以节省空间，减低时空复杂度。

举个例子~~

比如说，当你想要开辟一个数组，并且需要通过数组的下标值来表示当前的数据，且你只会用到数据之间的相对大小关系时，如果数据特别大例如序列：1 3 999 2¹⁰ 2²⁰，如果想开辟一个大小为2²⁰的数组显然是不可能的，这时就可以使用数据离散化，例如可将原序列离散化为：1 2 3 4 5，它们之间的相对大小关系是不发生改变的。
这相当于是通过映射关系，将大范围里面很少的数据进行小范围存储，压缩了使用空间。
需要注意的是，离散化仅适用于只关注元素之间的大小关系而不关注元素本身的值!

---

2. 应用场景

有些数据本身很大， 自身无法作为数组的下标保存对应的属性。
如果这时只是需要这堆数据的相对属性， 那么可以对其进行离散化处理。
当数据只与它们之间的相对大小有关，而与具体是多少无关时，可以进行离散化。

---

3. 实现方法

下面给出数据离散化常用的一般步骤：

1. 对数据进行排序
2. 对数据进行去重
3. 离散化数据处理

---

4. STL函数说明

4.1 lower_bound

基于二分查找，返回指向首个不小于 value 的元素的迭代器，或若找不到这种元素则为 last 。.

参数说明：

1. first：首元素迭代器
2. last：尾元素的下一元素迭代器
3. value：查找值
   

---

4.2 unqiue

从来自范围 [first, last) 的相继等价元素组消除首元素外的元素，并返回范围的新逻辑结尾的尾后迭代器。
通过用覆写要被擦除的元素的方式迁移范围中的元素进行移除。保持剩余元素的相对顺序，且不更改容器的物理大小。
即元素去重操作，这里是伪去重，只是将重复元素放到存储空间的最后，不去遍历则可视为没有，返回新结尾的迭代器。

---

4.3 sort

以升序排序范围 [first, last) 中的元素。不保证维持相等元素的顺序。

---

4.4 erase

从容器擦除指定的元素。

1. 移除位于 pos 的元素。
2. 移除范围 [first; last) 中的元素。

---

5. 代码描述

5.1 数组

//离散化数组
int arr[100000];
int main(){
    int n;
    cin>>n;//输入元素个数
    for(int i = 0;i<n;++i)
        cin>>arr[i];


    // 1. 排序 左闭右开
    sort(arr,arr+n);
    cout<<endl<<"数组原始序列：";
    for(int i = 0;i<n;++i)
        cout<<arr[i]<<" ";
    cout<<endl;


    // 2. 去重unique
    int length = unique(arr,arr+n) - arr;
    //length为离散化后数组的有效长度
    cout<<endl<<"去重后的序列长度为："<<length<<endl;
    cout<<endl<<"去重后的序列：";
    for(int i = 0;i<length;++i)
        cout<<arr[i]<<" ";
    cout<<endl;


    // 3. 离散化
    for(int i = 0;i<length;++i)
        arr[i] = lower_bound(arr,arr+n,arr[i]) - arr;
    cout<<endl<<"离散化后的序列：";
    for(int i = 0;i<length;++i)
        cout<<arr[i]<<" ";
    cout<<endl;
    return 0;
}

---

5.2 vector容器

//离散化vector
int main(){
    vector<int>v;
    int n;
    while(cin>>n){//输入数据
        v.push_back(n);
    }

    // 1. 排序
    sort(v.begin(),v.end());
    cout<<endl<<"数组原始序列：";
    for(int i = 0;i<v.size();++i)
        cout<<v[i]<<" ";
    cout<<endl;


    // 2. 去重unique
    v.erase(unique(v.begin(),v.end()),v.end());
    //length为离散化后数组的有效长度
    cout<<endl<<"去重后的序列长度为："<<v.size()<<endl;
    cout<<endl<<"去重后的序列：";
    for(int i = 0;i<v.size();++i)
        cout<<v[i]<<" ";
    cout<<endl;


    // 3. 离散化
    for(int i = 0;i<v.size();++i)
        v[i] = lower_bound(v.begin(),v.end(),v[i]) - v.begin();
    cout<<endl<<"离散化后的序列：";
    for(int i = 0;i<v.size();++i)
        cout<<v[i]<<" ";
    cout<<endl;
    return 0;
}

---

6. 执行结果

7

1 2 2 4 3 5 1

数组原始序列：1 1 2 2 3 4 5

去重后的序列长度为：5

去重后的序列：1 2 3 4 5

离散化后的序列：0 1 2 3 6

Process returned 0 (0x0)   execution time : 15.000 s
Press any key to continue.

999 1 3 4 4 99 9999 999 100000 5 ^Z

数组原始序列：1 3 4 4 5 99 999 999 9999 100000

去重后的序列长度为：8

去重后的序列：1 3 4 5 99 999 9999 100000

离散化后的序列：0 1 2 3 4 5 6 7

Process returned 0 (0x0)   execution time : 17.407 s
Press any key to continue.

---

——————END-2022-05-12——————