Python list內置sort()方法用來排序，也可以用python內置的全局sorted()方法來對可迭代的序列排序生成新的序列。

1）排序基礎

簡單的升序排序是非常容易的。只需要調用sorted()方法。它返回一個新的list，新的list的元素基于小于運算符(__lt__)來排序。

>>> sorted([5, 2, 3, 1, 4])

[1, 2, 3, 4, 5]

你也可以使用list.sort()方法來排序，此時list本身將被修改。通常此方法不如sorted()方便，但是如果你不需要保留原來的list，此方法將更有效。

>>> a = [5, 2, 3, 1, 4]

>>> a.sort()

>>> a

[1, 2, 3, 4, 5]

另一個不同就是list.sort()方法僅被定義在list中，相反地sorted()方法對所有的可迭代序列都有效。

>>>

sorted({1: "D", 2: "B", 3: "B", 4: "E", 5: "A"})

[1, 2, 3, 4, 5]

2）key參數/函數

從python2.4開始，list.sort()和sorted()函數增加了key參數來指定一個函數，此函數將在每個元素比較前被調用。 例如通過key指定的函數來忽略字符串的大小寫：

>>> sorted("This is a test string from Andrew".split(), key=str.lower)

["a", "Andrew", "from", "is", "string", "test", "This"]

key參數的值為一個函數，此函數只有一個參數且返回一個值用來進行比較。這個技術是快速的因為key指定的函數將準確地對每個元素調用。

更廣泛的使用情況是用復雜對象的某些值來對復雜對象的序列排序，例如：

>>> 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)]

同樣的技術對擁有命名屬性的復雜對象也適用，例如：

>>> class Student:

def __init__(self, name, grade, age):

self.name = name

self.grade = grade

self.age = age

def __repr__(self):

return repr((self.name, self.grade, 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 模塊函數

上面的key參數的使用非常廣泛，因此python提供了一些方便的函數來使得訪問方法更加容易和快速。operator模塊有itemgetter，attrgetter，從2.6開始還增加了methodcaller方法。使用這些方法，上面的操作將變得更加簡潔和快速：

>>> 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模塊還允許多級的排序，例如，先以grade，然后再以age來排序：

>>> 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()都接受一個參數reverse（True or False）來表示升序或降序排序。例如對上面的student降序排序如下：

>>> 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）排序的穩定性和復雜排序

從python2.2開始，排序被保證為穩定的。意思是說多個元素如果有相同的key，則排序前后他們的先后順序不變。

>>> 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"的順序被保持了，即"blue", 1在"blue", 2的前面。

更復雜地你可以構建多個步驟來進行更復雜的排序，例如對student數據先以grade降序排列，然后再以age升序排列。

>>> 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

我們稱其為DSU（Decorate-Sort-Undecorate）,原因為排序的過程需要下列三步：

第一：對原始的list進行裝飾，使得新list的值可以用來控制排序；

第二：對裝飾后的list排序；

第三：將裝飾刪除，將排序后的裝飾list重新構建為原來類型的list；

例如，使用DSU方法來對student數據根據grade排序：

>>> decorated = [(student.grade, 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)]

上面的比較能夠工作，原因是tuples是可以用來比較，tuples間的比較首先比較tuples的第一個元素，如果第一個相同再比較第二個元素，以此類推。

并不是所有的情況下都需要在以上的tuples中包含索引，但是包含索引可以有以下好處：

第一：排序是穩定的，如果兩個元素有相同的key，則他們的原始先后順序保持不變；

第二：原始的元素不必用來做比較，因為tuples的第一和第二元素用來比較已經是足夠了。

此方法被RandalL.在perl中廣泛推廣后，他的另一個名字為也被稱為Schwartzian transform。

對大的list或list的元素計算起來太過復雜的情況下，在python2.4前，DSU很可能是最快的排序方法。但是在2.4之后，上面解釋的key函數提供了類似的功能。

7）其他語言普遍使用的排序方法-cmp函數

在python2.4前，sorted()和list.sort()函數沒有提供key參數，但是提供了cmp參數來讓用戶指定比較函數。此方法在其他語言中也普遍存在。

在python3.0中，cmp參數被徹底的移除了，從而簡化和統一語言，減少了高級比較和__cmp__方法的沖突。

在python2.x中cmp參數指定的函數用來進行元素間的比較。此函數需要2個參數，然后返回負數表示小于，0表示等于，正數表示大于。例如：

>>> 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：

>>> def reverse_numeric(x, y):

return y - x

>>> sorted([5, 2, 4, 1, 3], cmp=reverse_numeric)

[5, 4, 3, 2, 1]

當我們將現有的2.x的代碼移植到3.x時，需要將cmp函數轉化為key函數，以下的wrapper很有幫助：

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

當需要將cmp轉化為key時，只需要：

>>> sorted([5, 2, 4, 1, 3], key=cmp_to_key(reverse_numeric))

[5, 4, 3, 2, 1]

從python2.7，cmp_to_key()函數被增加到了functools模塊中。

8)其他注意事項

* 對需要進行區域相關的排序時，可以使用locale.strxfrm()作為key函數，或者使用local.strcoll()作為cmp函數。

* reverse參數任然保持了排序的穩定性，有趣的時，同樣的效果可以使用reversed()函數兩次來實現：

>>> data = [("red", 1), ("blue", 1), ("red", 2), ("blue", 2)]

>>> assert sorted(data, reverse=True) == list(reversed(sorted(reversed(data))))

* 其實排序在內部是調用元素的__cmp__來進行的，所以我們可以為元素類型增加__cmp__方法使得元素可比較，例如：

>>> Student.__lt__ = lambda self, other: self.age < other.age

>>> sorted(student_objects)

[("dave", "B", 10), ("jane", "B", 12), ("john", "A", 15)]

* key函數不僅可以訪問需要排序元素的內部數據，還可以訪問外部的資源，例如，如果學生的成績是存儲在dictionary中的，則可以使用此dictionary來對學生名字的list排序，如下：

>>> students = ["dave", "john", "jane"]

>>> newgrades = {"john": "F", "jane":"A", "dave": "C"}

>>> sorted(students, key=newgrades.__getitem__)

["jane", "dave", "john"]

*當你需要在處理數據的同時進行排序的話，sort(),sorted()或bisect.insort()不是最好的方法。在這種情況下，可以使用heap，red-black tree或treap。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的python工资津贴的计算和排序-python sort、sorted高级排序技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。