归并排序与逆序对统计：分治思想在力扣刷题中的实战应用

最近在力扣上反复刷分治相关的题目，发现归并排序这组题特别适合用来理解"分而治之"的核心思想。今天把排序数组和交易逆序对的总数这两道题放在一起写，是因为它们本质上共享同一套底层框架：归并排序。一道题是直接考察归并排序本身的实现，另一道题则是利用归并过程中的有序性做文章。把这组题吃透，不光是学会两个题解，更重要的是建立起"分治问题怎么拆、怎么合、在哪里做手脚"的思维习惯。这篇笔记给准备面试、正在刷力扣热题100的同学一个参考，也是我自己踩坑之后的复盘总结。

1. 整体思路拆解：为什么归并排序能同时解决这两道题

1.1 归并排序的分治折叠

要理解这两道题，先得把归并排序的骨架打扎实。归并排序的思路归纳起来就两句话：先把数组不断对半分，分到不能再分，然后两两合并，在合并过程中把元素按顺序排好。这个"先拆后合"的过程，就是分治法的标准模板。

拆的过程比较简单，递归调用的每一层都取中点 mid，把左半部分和右半部分分别排序。合的过程是核心，需要借助一个临时数组，用双指针分别指向两个子数组的起始位置，比较大小后依次放入临时数组，最后拷贝回原数组。

关键点在合并阶段：左半部分和右半部分在各自内部已经有序了，所以合并时只需要 O(n) 的扫描就能完成整体排序。整个算法的时间复杂度稳定在 O(nlogn)，不管输入数据原本是什么状态，都是这个量级，这正是归并排序区别于快排的重要特性。

很多人第一次写归并排序时，容易被递归过程绕晕。我的经验是：把递归当作"黑盒"。你只需要清楚两点：第一，递归调用结束后，左半部分和右半部分各自已经有序；第二，你要负责把这两个有序部分合并起来。至于递归内部怎么排序，不用在当前这一层操心。能把这个抽象思维建立起来，分治的代码就不会写得纠缠不清。

1.2 从"排序"到"逆序对"的思维跳跃

先抛出一个观察：如果数组是有序的，那么逆序对的数量就是 0；如果一个数组完全是倒序的，逆序对数量就是最大值。换句话说，排序的过程本身就天然和逆序对有关联。

那么逆序对的定义是什么？对于数组中的两个位置 i < j，如果 nums[i] > nums[j]，那就构成一对逆序对。暴力解法是双重循环，O(n^2) 的时间复杂度，在大数组上完全不可行。

归并排序给了我们一个巧妙的视角：在合并左右两个有序子数组时，如果从右边取了一个元素放入临时数组，这个元素和左边剩余的所有元素都构成了逆序对。因为左边剩余的元素全部比它大，且位置都在它前面。这样每取一次右边元素，就能一次统计出一批逆序对，把所有合并过程中的统计结果累加，就是整个数组的逆序对总数。

这个转化是整个题目的精华所在，也是分治思想最漂亮的应用场景之一。排序本身和业务统计在一个框架里同时完成，时间复杂度不变，仍然是 O(nlogn)，空间复杂度也同样是 O(n)。

1.3 两道题的异同与刷题顺序

把这两道题放在一起刷的原因很简单：排序数组是第一层，考察基本实现；交易逆序对的总数是第二层，在排序数组的基础上加了一层统计逻辑。我建议先写一道，再写第二道，因为第二道题可以看作是在第一道题的合并逻辑里"加一行代码"。

当然有一个很重要的区别需要注意。排序数组这道题要求我们对数组本身进行原地排序，输出排好序的结果。而逆序对题目要求的是返回一个计数结果，并不需要真的把数组排好序，但排序过程是统计的工具。理解这个差异之后，你就不会被"明明排序了却没用到排序结果"这件事困扰。

还有一个容易被忽视的点：交易逆序对的总数这道题通常要求的返回值是 int 类型，但极端情况下逆序对数量可能超过 int 范围。写代码时要根据题目要求调整返回类型，否则提交时会卡在数据范围上，这个细节在后面的常见问题里还会展开说。

2. 核心细节解析：排序数组的实现要点

2.1 递归版本的完整代码

先上排序数组这道题的经典递归实现。题目本身要求对整数数组排序，我用 Java 来写：

java复制class Solution {
    public int[] sortArray(int[] nums) {
        if (nums == null || nums.length < 2) {
            return nums;
        }
        int[] temp = new int[nums.length];
        mergeSort(nums, 0, nums.length - 1, temp);
        return nums;
    }
    
    private void mergeSort(int[] nums, int left, int right, int[] temp) {
        if (left >= right) {
            return;
        }
        int mid = left + (right - left) / 2;
        mergeSort(nums, left, mid, temp);
        mergeSort(nums, mid + 1, right, temp);