pythonsort、sorted⾼级排序技巧
Python list内置sort()⽅法⽤来排序，也可以⽤python内置的全局sorted()⽅法来对可迭代的序列排序⽣成新的序列。
1）排序基础
简单的升序排序是⾮常容易的。只需要调⽤sorted()⽅法。它返回⼀个新的list，新的list的元素基于⼩于运算符(__lt__)来排序。
复制代码代码如下:
>>> sorted([5, 2, 3, 1, 4])
[1, 2, 3, 4, 5]
你也可以使⽤list.sort()⽅法来排序，此时list本⾝将被修改。通常此⽅法不如sorted()⽅便，但是如果你不需要保留原来的list，此⽅法将更有效。
复制代码代码如下:
>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]
另⼀个不同就是list.sort()⽅法仅被定义在list中，相反地sorted()⽅法对所有的可迭代序列都有效。
复制代码代码如下:
>>>
sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]
2）key参数/函数
从python2.4开始，list.sort()和sorted()函数增加了key参数来指定⼀个函数，此函数将在每个元素⽐较前被调⽤。例如通过key 指定的函数来忽略字符串的⼤⼩写：
复制代码代码如下:
>>> sorted("This is a test string from Andrew".split(), key=str.lower)
['a', 'Andrew', 'from', 'is', 'string', 'test', 'This']
key参数的值为⼀个函数，此函数只有⼀个参数且返回⼀个值⽤来进⾏⽐较。这个技术是快速的因为key指定的函数将准确地对每个元素调⽤。
更⼴泛的使⽤情况是⽤复杂对象的某些值来对复杂对象的序列排序，例如：
复制代码代码如下:
>>> student_tuples = [
('john', 'A', 15),
('jane', 'B', 12),
('dave', 'B', 10),
]
>>> sorted(student_tuples, key=lambda student: student[2])  # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
同样的技术对拥有命名属性的复杂对象也适⽤，例如：
复制代码代码如下:
>>> class Student:
def __init__(self, name, grade, age):
self.name = name
self.age = age
def __repr__(self):
return repr((self.name, ade, self.age))
>>> student_objects = [
Student('john', 'A', 15),
Student('jane', 'B', 12),
Student('dave', 'B', 10),
]
>>> sorted(student_objects, key=lambda student: student.age)  # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
3）Operator 模块函数
上⾯的key参数的使⽤⾮常⼴泛，因此python提供了⼀些⽅便的函数来使得访问⽅法更加容易和快速。operator模块有itemgetter，attrgetter，从2.6开始还增加了methodcaller⽅法。使⽤这些⽅法，上⾯的操作将变得更加简洁和快速：
复制代码代码如下:
>>> from operator import itemgetter, attrgetter
>>> sorted(student_tuples, key=itemgetter(2))
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
>>> sorted(student_objects, key=attrgetter('age'))
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
operator模块还允许多级的排序，例如，先以grade，然后再以age来排序：
复制代码代码如下:
>>> sorted(student_tuples, key=itemgetter(1,2))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]
>>> sorted(student_objects, key=attrgetter('grade', 'age'))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]
4）升序和降序
list.sort()和sorted()都接受⼀个参数reverse（True or False）来表⽰升序或降序排序。例如对上⾯的student降序排序如下：复制代码代码如下:
>>> sorted(student_tuples, key=itemgetter(2), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
>>> sorted(student_objects, key=attrgetter('age'), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
5）排序的稳定性和复杂排序
从python2.2开始，排序被保证为稳定的。意思是说多个元素如果有相同的key，则排序前后他们的先后顺序不变。
复制代码代码如下:
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> sorted(data, key=itemgetter(0))
[('blue', 1), ('blue', 2), ('red', 1), ('red', 2)]
注意在排序后'blue'的顺序被保持了，即'blue', 1在'blue', 2的前⾯。
更复杂地你可以构建多个步骤来进⾏更复杂的排序，例如对student数据先以grade降序排列，然后再以age升序排列。
复制代码代码如下:
>>> s = sorted(student_objects, key=attrgetter('age'))    # sort on secondary key
>>> sorted(s, key=attrgetter('grade'), reverse=True)      # now sort on primary key, descending
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
6）最⽼⼟的排序⽅法-DSU
我们称其为DSU（Decorate-Sort-Undecorate），原因为排序的过程需要下列三步：
第⼀：对原始的list进⾏装饰，使得新list的值可以⽤来控制排序；
第⼆：对装饰后的list排序；
第三：将装饰删除，将排序后的装饰list重新构建为原来类型的list；
例如，使⽤DSU⽅法来对student数据根据grade排序：
>>> decorated = [(ade, i, student) for i, student in enumerate(student_objects)]
>>> decorated.sort()
>>> [student for grade, i, student in decorated]              # undecorate
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
上⾯的⽐较能够⼯作，原因是tuples是可以⽤来⽐较，tuples间的⽐较⾸先⽐较tuples的第⼀个元素，如果第⼀个相同再⽐较第⼆个元素，以此类推。
并不是所有的情况下都需要在以上的tuples中包含索引，但是包含索引可以有以下好处：
第⼀：排序是稳定的，如果两个元素有相同的key，则他们的原始先后顺序保持不变；
第⼆：原始的元素不必⽤来做⽐较，因为tuples的第⼀和第⼆元素⽤来⽐较已经是⾜够了。
此⽅法被RandalL.在perl中⼴泛推⼴后，他的另⼀个名字为也被称为Schwartzian transform。
对⼤的list或list的元素计算起来太过复杂的情况下，在python2.4前，DSU很可能是最快的排序⽅法。但是在2.4之后，上⾯解释的key函数提供了类似的功能。
7）其他语⾔普遍使⽤的排序⽅法-cmp函数
sort命令排序
在python2.4前，sorted()和list.sort()函数没有提供key参数，但是提供了cmp参数来让⽤户指定⽐较函数。此⽅法在其他语⾔中也普遍存在。
在python3.0中，cmp参数被彻底的移除了，从⽽简化和统⼀语⾔，减少了⾼级⽐较和__cmp__⽅法的冲突。
在python2.x中cmp参数指定的函数⽤来进⾏元素间的⽐较。此函数需要2个参数，然后返回负数表⽰⼩于，0表⽰等于，正数表⽰⼤于。例如：
复制代码代码如下:
>>> def numeric_compare(x, y):
return x - y
>>> sorted([5, 2, 4, 1, 3], cmp=numeric_compare)
[1, 2, 3, 4, 5]
或者你可以反序排序：
复制代码代码如下:
>>> def reverse_numeric(x, y):
return y - x
>>> sorted([5, 2, 4, 1, 3], cmp=reverse_numeric)
[5, 4, 3, 2, 1]
当我们将现有的2.x的代码移植到3.x时，需要将cmp函数转化为key函数，以下的wrapper很有帮助：
复制代码代码如下:
def cmp_to_key(mycmp):
'Convert a cmp= function into a key= function'
class K(object):
def __init__(self, obj, *args):
self.obj = obj
def __lt__(self, other):
return mycmp(self.obj, other.obj) < 0
def __gt__(self, other):
return mycmp(self.obj, other.obj) > 0
def __eq__(self, other):
return mycmp(self.obj, other.obj) == 0
def __le__(self, other):
return mycmp(self.obj, other.obj) <= 0
def __ge__(self, other):
return mycmp(self.obj, other.obj) >= 0
def __ne__(self, other):
return mycmp(self.obj, other.obj) != 0
return K
当需要将cmp转化为key时，只需要：
复制代码代码如下:
>>> sorted([5, 2, 4, 1, 3], key=cmp_to_key(reverse_numeric))
[5, 4, 3, 2, 1]
从python2.7，cmp_to_key()函数被增加到了functools模块中。
8)其他注意事项
* 对需要进⾏区域相关的排序时，可以使⽤locale.strxfrm()作为key函数，或者使⽤local.strcoll()作为cmp函数。
* reverse参数任然保持了排序的稳定性，有趣的时，同样的效果可以使⽤reversed()函数两次来实现：
复制代码代码如下:
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> assert sorted(data, reverse=True) == list(reversed(sorted(reversed(data))))
* 其实排序在内部是调⽤元素的__cmp__来进⾏的，所以我们可以为元素类型增加__cmp__⽅法使得元素可⽐较，例如：
复制代码代码如下:
>>> Student.__lt__ = lambda self, other: self.age < other.age
>>> sorted(student_objects)
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
* key函数不仅可以访问需要排序元素的内部数据，还可以访问外部的资源，例如，如果学⽣的成绩是存储在dictionary中的，则可以使⽤此dictionary来对学⽣名字的list排序，如下：
复制代码代码如下:
>>> students = ['dave', 'john', 'jane']
>>> newgrades = {'john': 'F', 'jane':'A', 'dave': 'C'}
>>> sorted(students, key=newgrades.__getitem__)
['jane', 'dave', 'john']
*当你需要在处理数据的同时进⾏排序的话，sort(),sorted()或bisect.insort()不是最好的⽅法。在这种情况下，可以使⽤heap，red-black tree或treap。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。