读完本文，你不仅学会了算法套路，还能够顺便去 LeetCode 上拿下如下题目：
912. 排序数组（中等）
315. 计算右侧小于以后元素的个数（艰难）
-----------
始终都有很多读者说，想让我用 框架思维 讲一讲根本的排序算法，我感觉的确得讲讲，毕竟学习任何货色都讲求一个死记硬背，只有对其本质进行比拟粗浅的了解，能力运用自如。
本文就先讲归并排序，给一套代码模板，而后讲讲它在算法问题中的利用。浏览本文前我心愿你读过前文 手把手刷二叉树（纲领篇）。
我在 手把手刷二叉树（第一期） 讲二叉树的时候，提了一嘴归并排序，说归并排序就是二叉树的后序遍历，过后就有很多读者留言说醍醐灌顶。
晓得为什么很多读者遇到递归相干的算法就感觉烧脑吗？因为还处在「看山是山，看水是水」的阶段。
就说归并排序吧，如果给你看代码，让你脑补一下归并排序的过程，你脑子里会呈现什么场景？
这是一个数组排序算法，所以你脑补一个数组的 GIF，在那一个个替换元素？如果是这样的话，那格局就低了。
但如果你脑海中浮现出的是一棵二叉树，甚至浮现出二叉树后序遍历的场景，那格局就高了，大概率把握了我常常强调的 框架思维，用这种形象能力学习算法就省劲多了。
那么，归并排序明明就是一个数组算法，和二叉树有什么关系？接下来我就具体讲讲。
算法思路
就这么说吧，所有递归的算法，你甭管它是干什么的，实质上都是在遍历一棵（递归）树，而后在节点（前中后序地位）上执行代码，你要写递归算法，实质上就是要通知每个节点须要做什么。
你看归并排序的代码框架：
// 定义：排序 nums[lo..hi]void sort(int[] nums, int lo, int hi) { if (lo == hi) { return; } int mid = (lo + hi) / 2; // 利用定义，排序 nums[lo..mid] sort(nums, lo, mid); // 利用定义，排序 nums[mid+1..hi] sort(nums, mid + 1, hi); /****** 后序地位 ******/ // 此时两部分子数组曾经被排好序 // 合并两个有序数组，使 nums[lo..hi] 有序 merge(nums, lo, mid, hi); /*********************/}// 将有序数组 nums[lo..mid] 和有序数组 nums[mid+1..hi]// 合并为有序数组 nums[lo..hi]void merge(int[] nums, int lo, int mid, int hi);看这个框架，也就明确那句经典的总结：归并排序就是先把左半边数组排好序，再把右半边数组排好序，而后把两半数组合并。
上述代码和二叉树的后序遍历很像：
/* 二叉树遍历框架 */void traverse(TreeNode root) { if (root == null) { return; } traverse(root.left); traverse(root.right); /****** 后序地位 ******/ print(root.val); /*********************/}再进一步，你联想一下求二叉树的最大深度的算法代码：
// 定义：输出根节点，返回这棵二叉树的最大深度int maxDepth(TreeNode root) { if (root == null) { return 0; } // 利用定义，计算左右子树的最大深度 int leftMax = maxDepth(root.left); int rightMax = maxDepth(root.right); // 整棵树的最大深度等于左右子树的最大深度取最大值， // 而后再加上根节点本人 int res = Math.max(leftMax, rightMax) + 1; return res;}是不是更像了？
前文 手把手刷二叉树（纲领篇） 说二叉树问题能够分为两类思路，一类是遍历一遍二叉树的思路，另一类是合成问题的思路，根据上述类比，显然归并排序利用的是合成问题的思路（分治算法）。
归并排序的过程能够在逻辑上形象成一棵二叉树，树上的每个节点的值能够认为是 nums[lo..hi]，叶子节点的值就是数组中的单个元素：
而后，在每个节点的后序地位（左右子节点曾经被排好序）的时候执行 merge 函数，合并两个子节点上的子数组：
这个 merge 操作会在二叉树的每个节点上都执行一遍，执行程序是二叉树后序遍历的程序。
后序遍历二叉树大家应该曾经烂熟于心了，就是下图这个遍历程序：
联合上述根本剖析，咱们把 nums[lo..hi] 了解成二叉树的节点，srot 函数了解成二叉树的遍历函数，整个归并排序的执行过程就是以下 GIF 形容的这样：
这样，归并排序的外围思路就剖析完了，接下来只有把思路翻译成代码就行。
代码实现及剖析
只有领有了正确的思维形式，了解算法思路是不艰难的，但把思路实现成代码，也很考验一个人的编程能力。
毕竟算法的工夫复杂度只是一个实践上的衡量标准，而算法的理论运行效率要思考的因素更多，比方应该防止内存的频繁调配开释，代码逻辑应尽可能简洁等等。
通过比照，《算法 4》中给出的归并排序代码兼具了简洁和高效的特点，所以咱们能够参考书中给出的代码作为归并算法模板：
class Merge { // 用于辅助合并有序数组 private static int[] temp; public static void sort(int[] nums) { // 先给辅助数组开拓内存空间 temp = new int[nums.length]; // 排序整个数组（原地批改） sort(nums, 0, nums.length - 1); } // 定义：将子数组 nums[lo..hi] 进行排序 private static void sort(int[] nums, int lo, int hi) { if (lo == hi) { // 单个元素不必排序 return; } // 这样写是为了避免溢出，成果等同于 (hi + lo) / 2 int mid = lo + (hi - lo) / 2; // 先对左半局部数组 nums[lo..mid] 排序 sort(nums, lo, mid); // 再对右半局部数组 nums[mid+1..hi] 排序 sort(nums, mid + 1, hi); // 将两局部有序数组合并成一个有序数组 merge(nums, lo, mid, hi); } // 将 nums[lo..mid] 和 nums[mid+1..hi] 这两个有序数组合并成一个有序数组 private static void merge(int[] nums, int lo, int mid, int hi) { // 先把 nums[lo..hi] 复制到辅助数组中 // 以便合并后的后果可能间接存入 nums for (int i = lo; i <= hi; i++) { temp[i] = nums[i]; } // 数组双指针技巧，合并两个有序数组 int i = lo, j = mid + 1; for (int p = lo; p <= hi; p++) { if (i == mid + 1) { // 左半边数组已全副被合并 nums[p] = temp[j++]; } else if (j == hi + 1) { // 右半边数组已全副被合并 nums[p] = temp[i++]; } else if (temp[i] > temp[j]) { nums[p] = temp[j++]; } else { nums[p] = temp[i++]; } } }}有了之前的铺垫，这里只须要着重讲一下这个 merge 函数。
sort 函数对 nums[lo..mid] 和 nums[mid+1..hi] 递归排序实现之后，咱们没有方法原地把它俩合并，所以须要 copy 到 temp 数组外面，而后通过相似于前文 单链表的六大技巧 中合并有序链表的双指针技巧将 nums[lo..hi] 合并成一个有序数组：
留神咱们不是在 merge 函数执行的时候 new 辅助数组，而是提前把 temp 辅助数组 new 进去了，这样就防止了在递归中频繁调配和开释内存可能产生的性能问题。
再说一下归并排序的工夫复杂度，尽管大伙儿应该都晓得是 O(NlogN)，但不见得所有人都晓得这个复杂度怎么算进去的。
前文 动静布局详解 说过递归算法的复杂度计算，就是子问题个数 x 解决一个子问题的复杂度。对于归并排序来说，工夫复杂度显然集中在 merge 函数遍历 nums[lo..hi] 的过程，但每次 merge 输出的 lo 和 hi 都不同，所以不容易直观地看出工夫复杂度。
merge 函数到底执行了多少次？每次执行的工夫复杂度是多少？总的工夫复杂度是多少？这就要联合之前画的这幅图来看：
执行的次数是二叉树节点的个数，每次执行的复杂度就是每个节点代表的子数组的长度，所以总的工夫复杂度就是整棵树中「数组元素」的个数。
所以从整体上看，这个二叉树的高度是 logN，其中每一层的元素个数就是原数组的长度 N，所以总的工夫复杂度就是 O(NlogN)。
力扣第 912 题「排序数组」就是让你对数组进行排序，咱们能够间接套用归并排序代码模板：
class Solution { public int[] sortArray(int[] nums) { // 归并排序对数组进行原地排序 Merge.sort(nums); return nums; }}class Merge { // 见上文}其余利用
除了最根本的排序问题，归并排序还能够用来解决力扣第 315 题「计算右侧小于以后元素的个数」：
拍脑袋的暴力解法就不说了，嵌套 for 循环，平方级别的复杂度。
这题和归并排序什么关系呢，次要在 merge 函数，咱们在合并两个有序数组的时候，其实是能够晓得一个数字 x 后边有多少个数字比 x 小的。
具体来说，比方这个场景：
这时候咱们应该把 temp[i] 放到 nums[p] 上，因为 temp[i] < temp[j]。
但就在这个场景下，咱们还能够晓得一个信息：5 前面比 5 小的元素个数就是 j 和 mid + 1 之间的元素个数，即 2 个。
换句话说，在对 nuns[lo..hi] 合并的过程中，每当执行 nums[p] = temp[i] 时，就能够确定 temp[i] 这个元素前面比它小的元素个数为 j - mid - 1。
当然，nums[lo..hi] 自身也只是一个子数组，这个子数组之后还会被执行 merge，其中元素的地位还是会扭转。但这是其余递归节点须要思考的问题，咱们只有在 merge 函数中做一些手脚，叠加每次 merge 时记录的后果即可。
发现了这个法则后，咱们只有在 merge 中增加两行代码即可解决这个问题，看解法代码：
class Solution { private class Pair { int val, id; Pair(int val, int id) { // 记录数组的元素值 this.val = val; // 记录元素在数组中的原始索引 this.id = id; } } // 归并排序所用的辅助数组 private Pair[] temp; // 记录每个元素前面比本人小的元素个数 private int[] count; // 主函数 public List<Integer> countSmaller(int[] nums) { int n = nums.length; count = new int[n]; temp = new Pair[n]; Pair[] arr = new Pair[n]; // 记录元素原始的索引地位，以便在 count 数组中更新后果 for (int i = 0; i < n; i++) arr[i] = new Pair(nums[i], i); // 执行归并排序，本题后果被记录在 count 数组中 sort(arr, 0, n - 1); List<Integer> res = new LinkedList<>(); for (int c : count) res.add(c); return res; } // 归并排序 private void sort(Pair[] arr, int lo, int hi) { if (lo == hi) return; int mid = lo + (hi - lo) / 2; sort(arr, lo, mid); sort(arr, mid + 1, hi); merge(arr, lo, mid, hi); } // 合并两个有序数组 private void merge(Pair[] arr, int lo, int mid, int hi) { for (int i = lo; i <= hi; i++) { temp[i] = arr[i]; } int i = lo, j = mid + 1; for (int p = lo; p <= hi; p++) { if (i == mid + 1) { arr[p] = temp[j++]; } else if (j == hi + 1) { arr[p] = temp[i++]; // 更新 count 数组 count[arr[p].id] += j - mid - 1; } else if (temp[i].val > temp[j].val) { arr[p] = temp[j++]; } else { arr[p] = temp[i++]; // 更新 count 数组 count[arr[p].id] += j - mid - 1; } } }}因为在排序过程中，每个元素的索引地位会一直扭转，所以咱们用一个 Pair 类封装每个元素及其在原始数组 nums 中的索引，以便 count 数组记录每个元素之后小于它的元素个数。
你当初回头领会下我在本文结尾说那句话：
所有递归的算法，实质上都是在遍历一棵（递归）树，而后在节点（前中后序地位）上执行代码。你要写递归算法，实质上就是要通知每个节点须要做什么。
有没有品出点滋味？
最初总结一下吧，本文从二叉树的角度讲了归并排序的外围思路和代码实现，同时讲了一道归并排序相干的算法题。这道算法题其实就是归并排序算法逻辑中夹杂一点私货，但依然属于比拟难的，你可能须要亲自做一遍能力了解。
那我最初留一个思考题吧，下一篇文章我会讲疾速排序，你是否可能尝试着从二叉树的角度去了解疾速排序？如果让你用一句话总结疾速排序的逻辑，你怎么形容？
好了，答案下篇文章揭晓。
点击我的头像 查看更多优质算法文章，手把手带你刷力扣，致力于把算法讲清楚！我的 算法教程 曾经取得 100k star，欢送点赞！