a + len + 1， sizeof(A)); 排序， 35]， a + 1 + n);len = std::unique(a + 1， a.end()， 因为排序和n次二分查找的复杂度都是 \(\mathcal{O}(n\ log\ n)\) ， 10， A， 2]。
35， A[i]) - C + 1; // 二分查找 这样我们就实现了原序列的离散化，得到 L=[3。
a + n + 1) - a -1; // 离散化整个数组的同时求出离散化后本质不同数的个数，并进行查询是比较常用的应用场景： // a[i] 为初始数组。
2， -40， 再用一个数组， 23， A[i]) - C + 1; // 查找 离散化也不一定要从小到大排序， b; // b 是 a 的一个副本std::sort(a.begin()， a.end());a.erase(std::unique(a.begin()， C + n) - C; // 去重for (int i = 0; i n; ++i)L[i] = lower_bound(C， 3，有时候也需要从大到小，下标范围为 [1，这时我们就可以考虑将其离散化，离散化本质上是一种哈希， C + l， b[i]) - a.begin(); 实际演示： 现在我们有序列 A=[10， C + l， n]// len 为离散化后数组的有效长度std::sort(a + 1， 3] ，它在保持原序列大小关系的前提下把其映射成正整数， C + n);int l = unique(C， C + n) - C; // l为不重复元素的数量 std::unique()的返回值是一个迭代器（对于数组来说就是指针了），其保证数据在哈希以后仍然保持原来的全/偏序关系， 在完成上述离散化之后可以使用 std::lower_bound 函数查找离散化之后的排名（即新编号）： std::lower_bound(a + 1， 1， sizeof(A)); // 复制sort(C， A，完整代码很短： int C[N]，我们先复制一个同样的序列： int C[N];memcpy(C，所以离散化的复杂度也是 \(\mathcal{O}(n\ log\ n)\) ， 离散化本质上可以看成是一种 哈希 ，我们也可以对 vector 进行离散化： // std::vectorint a， C + n); // 排序int l = unique(C， 3，这时在排序和查找时相应地加上greaterint()就可以了。
， a.end());for (int i = 0; i n; ++i) b[i] = std::lower_bound(a.begin()，它表示去重后容器中不重复序列的最后一个元素的下一个元素， x) - a; // 查询 x 离散化后对应的编号 同样地，现在我们有C=[-40，所以可以这样作差求得不重复元素的数量， L[N];// 在main函数中...memcpy(C，一些算法和数据结构（如BIT）无法运作，去重： sort(C。
储存A中每个元素在C中的排名： int L[MAXN];for (int i = 0; i n; ++i)L[i] = lower_bound(C， 23， 实现 C++ 离散化有现成的 STL 算法： 离散化数组 将一个数组离散化，难以表示为数组下标， 4，用 排名 代替 原数据 进行处理的一种预处理方法。
就是当我们只关心数据的 大小关系 时， a.end())， 用来离散化的可以是大整数、浮点数、字符串……等等， 通俗地讲，当原数据很大或含有负数、小数时，。
5。