数组中的逆序对—Python非归并解法

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/songyunli1111/article/details/82285007

题目：在数组中的两个数字，如果前面一个数字大于后面的数字，则这两个数字组成一个逆序对。输入一个数组,求出这个数组中的逆序对的总数。

该问题的最好解法是类似归并排序的解法，时间复杂度为O(nlogn)，网上相关介绍博客也很多，这里给出一个非归并解法，复杂度会高一点，但想法非常巧妙，代码非常简易。

以一个例子来说明：

输入数组：data=[3,2,1,5,4,6,0,7]

排序好数组：dataSorted=[0,1,2,3,4,5,6,7]

顺序遍历dataSorted数组，第一个元素0是最小的元素，因此在data数组中，0前面有多少个数，就有多少个逆序对。在0检测完之后，将0从data数组中删除，data=[3,2,1,5,4,6,7]，dataSorted数组遍历到1，而1其实就是[1,2,3,4,5,6,7]中的最小元素

因此，原问题就变为子问题：

输入数组：data=[3,2,1,5,4,6,7]

排序好数组：dataSorted=[1,2,3,4,5,6,7]

……

重复上述步骤直到遍历到最后一个元素。

函数代码如下：

def InversePairs(data):
    count = 0
    copy = [i for i in data]
    copy.sort()

    for i in range(len(copy)):
        count += data.index(copy[i])
        data.remove(copy[i])

    return count

注意第三行不能直接copy = data，因为这样是浅复制，他只是将原有的data数组打上一个新标签，所以当其中一个标签被改变的时候，数组就会发生变化，另一个标签也会随之改变。

而用copy = [i for i in data]相当于深复制，即将原数组重新复制一份给copy，两者就不会相互影响了，但需要多一份数组的内存空间，而浅复制不会重新占用空间。

复杂度分析：

sort排序复杂度为O(nlogn)；单次index查找复杂度为O(lgn)，要查找n次，复杂度也为O(nlogn)；单次remove操作中：查找该数的复杂度为O(lgn)，移动该数后面的数复杂度为O(n)，因此复杂度为O(n)，要remove操作n次，复杂度为O(n^2)；因此总的复杂度为O(n^2)。