引言
如果我们要处理一些数据，如果：
我们只关心数据之间相对大小，而不关心每个数据到底有多大
离散化的大体意思就是：给数据重新编号，使新号码依然具有跟之前相同的大小关系，来使数据更加紧凑。
比如说：给一个无向图，每个节点都以一个字符表示，那么我们就可以将字符替换成数字123...
再比如说：现在有1000个[-1e9,1e9]范围的整数，计数统计一下每个数出现的次数。由于开一个2e9大小的数组实在是太浪费空间了，而且只有一千个数，遍历2e9的时间开销也实在是浪费，所以我们可以根据原数据的相对大小重新编号，对编号进行计数，也也就达到了对元数据进行计数的目的。
方法1：排序加折半查找（nlogn的时间复杂度，我之前不太喜欢用的方法但是大家都用，代码比较精简，但是不易还原输入顺序）
cin>>n;
int co[1000];
for(int i=0;i<n;i++){
cin>>co[i];
}
sort(co,co+n);
int size=unique(co,co+n)-co;//去重函数，将重复的都移到后边，然后用size截掉，相同元素仅保留一个，
//如果不需要去重则删掉这一句。size为离散化后元素个数
for(int i=0;i<n;i++)
arr[i]=lower_bound(co,co+size,arr[i])-co + 1;//arr存放了排序后，第i个数字新的编号。
方法2：捆绑排序，时间复杂度O(nlogn)，老实说是我自己的土办法。如果想还原输入顺序直接对i在进行排序即可
struct inp{
int i,v,n;
};inp co[1000];
int operator<(inp a,inp b){
return a.v<b.v;
}
int main(){
int n;
cin>>n;
for(int i=0;i<n;i++){
cin>>co[i].v;
co[i].i=i;
}
sort(co,co+i);
for(int i=0;i<n;i++){
co[i].n=i+1; //n是新的标号，v是原始数据，i是原始数据的顺序，要去重另加代码
}
}