Python排序技巧：sorted与lambda使用全解析

今日不肯埋头，明日何以抬头！每日一句努力自己的话哈哈~哈喽，今天我将给大家带来一篇《Python排序技巧：sorted与lambda应用详解》，主要内容是讲解等等，感兴趣的朋友可以收藏或者有更好的建议在评论提出，我都会认真看的！大家一起进步，一起学习！

Python中实现排序最常用的是sorted()函数和list.sort()方法。1.sorted()不改变原始数据，返回新列表；2.list.sort()是原地排序，直接修改原列表；3.两者都支持key参数，常使用lambda表达式定义排序规则。例如：可使用lambda按元组的某个元素、字符串长度、字典键值等排序；4.多条件排序可通过返回元组实现，如先按部门升序再按薪水降序；5.对于嵌套结构，可结合lambda提取深层数据进行排序。二者选择上，若需保留原始数据或处理非列表数据用sorted()，内存敏感或需原地修改用list.sort()。

Python中实现排序，最常用的莫过于内置的sorted()函数和列表自带的sort()方法。它们都支持通过lambda表达式来定义自定义的排序规则，让数据按照你真正想要的逻辑排列。

解决方案

在Python里，排序这件事儿，其实挺直观的。你手头要是有个序列，想把它排个序，最直接的办法就是用sorted()函数。它不改变原始序列，而是返回一个新的、已排序的列表。这就像你把一堆散乱的文件复印一份，然后整理复印件，原件还是乱的。

# 基础排序：数字和字符串
numbers = [3, 1, 4, 1, 5, 9, 2, 6]
sorted_numbers = sorted(numbers)
print(f"默认数字排序: {sorted_numbers}") # 输出: [1, 1, 2, 3, 4, 5, 6, 9]

words = ["banana", "apple", "cherry", "date"]
sorted_words = sorted(words)
print(f"默认字符串排序: {sorted_words}") # 输出: ['apple', 'banana', 'cherry', 'date']

# 反向排序
reversed_numbers = sorted(numbers, reverse=True)
print(f"反向数字排序: {reversed_numbers}") # 输出: [9, 6, 5, 4, 3, 2, 1, 1]

那如果你的数据结构复杂一点，比如是个元组列表，你想按元组里的某个特定元素排序怎么办？这时候lambda函数就登场了，它就像一个“临时工”函数，随用随写，特别方便。lambda表达式通常用作sorted()或list.sort()的key参数。key参数接受一个函数，这个函数会在排序前对每个元素进行处理，然后用处理后的结果进行比较。

# 使用lambda按元组的第二个元素排序
students = [('Alice', 25, 'A'), ('Bob', 20, 'B'), ('Charlie', 30, 'C')]
sorted_by_age = sorted(students, key=lambda student: student[1])
print(f"按年龄排序: {sorted_by_age}") # 输出: [('Bob', 20, 'B'), ('Alice', 25, 'A'), ('Charlie', 30, 'C')]

# 按字符串长度排序
fruits = ["apple", "banana", "kiwi", "grapefruit"]
sorted_by_length = sorted(fruits, key=lambda fruit: len(fruit))
print(f"按长度排序: {sorted_by_length}") # 输出: ['kiwi', 'apple', 'banana', 'grapefruit']

# 忽略大小写排序
names = ["Alice", "bob", "Charlie", "david"]
sorted_case_insensitive = sorted(names, key=lambda name: name.lower())
print(f"忽略大小写排序: {sorted_case_insensitive}") # 输出: ['Alice', 'bob', 'Charlie', 'david']

至于列表自己的sort()方法，它和sorted()最大的区别在于它是“原地”排序，直接修改原列表，不返回新列表。这在处理非常大的列表时，能省点内存。

my_list = [5, 2, 8, 1, 9]
my_list.sort() # 原地排序
print(f"列表原地排序: {my_list}") # 输出: [1, 2, 5, 8, 9]

# list.sort() 也支持 key 和 reverse 参数
my_students = [('Alice', 25), ('Bob', 20)]
my_students.sort(key=lambda s: s[1], reverse=True)
print(f"列表原地按年龄倒序: {my_students}") # 输出: [('Alice', 25), ('Bob', 20)]

Python排序中的key参数究竟有何魔力？

key参数，在我看来，是Python排序机制里最优雅也最强大的一个设计。它不是直接拿元素本身去比较，而是先用你提供的key函数处理一下每个元素，然后用处理后的“结果”去比较。这就像你在整理一堆书，你可能不想按书名首字母排，而是想按作者名字排，或者按出版年份排。key函数就负责从每本书里“提取”出那个作者名或出版年份。

举个例子，假设你有一堆字典，代表着商品信息：

products = [
    {'name': 'Laptop', 'price': 1200, 'stock': 10},
    {'name': 'Mouse', 'price': 25, 'stock': 50},
    {'name': 'Keyboard', 'price': 75, 'stock': 20},
    {'name': 'Monitor', 'price': 300, 'stock': 5}
]

# 按商品价格排序
sorted_by_price = sorted(products, key=lambda p: p['price'])
print("按价格排序:")
for p in sorted_by_price:
    print(p)
# 输出会是：Mouse, Keyboard, Monitor, Laptop

# 按库存量从高到低排序
sorted_by_stock_desc = sorted(products, key=lambda p: p['stock'], reverse=True)
print("\n按库存量倒序:")
for p in sorted_by_stock_desc:
    print(p)
# 输出会是：Mouse, Keyboard, Laptop, Monitor

这里lambda p: p['price']就告诉sorted()，对于每个字典p，我关心的是它的'price'键对应的值。sorted()就拿这些价格去比较。这种“映射-比较”的模式，让排序变得异常灵活。你甚至可以对一个自定义类的对象进行排序，只要key函数能提取出你想要的比较依据。

class Item:
    def __init__(self, name, weight):
        self.name = name
        self.weight = weight

    def __repr__(self): # 方便打印
        return f"Item('{self.name}', {self.weight}kg)"

items = [Item('Stone', 50), Item('Feather', 0.1), Item('Book', 2)]

# 按重量排序
sorted_items = sorted(items, key=lambda item: item.weight)
print(f"\n按重量排序: {sorted_items}")
# 输出: [Item('Feather', 0.1kg), Item('Book', 2kg), Item('Stone', 50kg)]

key参数的强大之处在于它将“如何比较”的逻辑与“比较什么”的逻辑分离了。你无需写复杂的比较函数，只需告诉Python“我要用这个值来代表我的元素进行比较”，剩下的它就帮你搞定了。

sorted()与list.sort()：何时选择，如何权衡？

这俩兄弟，虽然都能排序，但用起来还是有些讲究的。我个人在日常编码中，大部分时候会优先考虑sorted()，因为它不会改变原始数据。这种“非侵入性”或者说“纯函数”的特性，在很多场景下能避免一些意想不到的副作用，尤其是在函数式编程风格或需要保持原始数据完整性的时候。

• sorted():

  • 返回新列表: 它总是创建一个新的已排序的列表，原始的可迭代对象保持不变。
  • 通用性强: 不仅仅是列表，任何可迭代对象（如元组、字符串、集合、字典的键等）都可以用sorted()进行排序。
  • 内存开销: 因为要创建新列表，所以对于非常大的数据集，可能会有额外的内存开销。
  • 示例: new_list = sorted(my_tuple)

• list.sort():

  • 原地排序: 它直接修改列表本身，不返回任何值（返回None）。
  • 仅限列表: 只能用于列表对象。
  • 内存效率: 由于是原地操作，它通常在内存使用上更高效，对于内存敏感或超大型列表是首选。
  • 示例: my_list.sort()

什么时候用哪个？这其实是个权衡。

如果你需要保留原始列表，或者你的数据不是列表（比如你只想对一个元组排序然后得到一个新的列表），那么sorted()是你的不二之选。它给你一个干净的新结果，不影响旧数据。

而如果你确定只需要排序列表本身，并且不介意它被修改，或者你正在处理一个内存非常大的列表，list.sort()就显得更高效了。比如，你从数据库里捞出来一个巨大的列表，只想把它按某个字段排个序，然后接着处理，那么直接list.sort()会比先复制再排序来得快。

一个常见的“坑”是，新手可能会写my_list = my_list.sort()，然后发现my_list变成了None。记住，list.sort()不返回列表，它修改的是原列表。

data_tuple = (5, 1, 9, 3)
# data_tuple.sort() # 这会报错，因为元组没有sort方法
sorted_data = sorted(data_tuple)
print(f"元组排序结果 (sorted): {sorted_data}") # 输出: [1, 3, 5, 9]
print(f"原始元组: {data_tuple}") # 输出: (5, 1, 9, 3) - 保持不变

large_list = list(range(1000000, 0, -1)) # 假设这是一个非常大的列表
# sorted_large_list = sorted(large_list) # 这会创建一份拷贝，可能消耗更多内存
large_list.sort() # 更高效地原地排序
print(f"大型列表是否已排序 (部分检查): {large_list[:5]}...") # 输出: [1, 2, 3, 4, 5]...

在稳定性方面，Python的排序算法是稳定的。这意味着如果两个元素在排序key值上相等，它们在排序后的相对顺序会保持不变。这在多条件排序时非常有用，比如你先按年龄排序，再按姓名排序，如果年龄相同，姓名就会保持原有的相对顺序。

多条件排序与复杂数据结构：lambda函数的进阶应用

当你的排序需求变得复杂，比如需要按多个条件进行排序，或者处理的数据结构嵌套更深时，lambda函数配合key参数的威力就体现出来了。这就像你不仅仅想按作者排序，还想在作者相同的情况下，再按出版年份排序。

Python的key函数可以返回一个元组。当key函数返回元组时，sorted()会按元组的第一个元素进行比较，如果第一个元素相同，就比较第二个元素，以此类推。这简直是为多条件排序量身定制的。

假设你有一个员工列表，你想先按部门排序，如果部门相同，再按薪水从高到低排序：

employees = [
    {'name': 'Alice', 'dept': 'HR', 'salary': 60000},
    {'name': 'Bob', 'dept': 'IT', 'salary': 80000},
    {'name': 'Charlie', 'dept': 'HR', 'salary': 75000},
    {'name': 'David', 'dept': 'IT', 'salary': 70000},
    {'name': 'Eve', 'dept': 'HR', 'salary': 60000}
]

# 先按部门升序，再按薪水降序
sorted_employees = sorted(employees, key=lambda emp: (emp['dept'], -emp['salary']))
# 注意：对数字使用负号可以实现降序排列，因为默认是升序。
# 或者使用itemgetter，但lambda更直接。

print("按部门升序，薪水降序排序的员工:")
for emp in sorted_employees:
    print(emp)
# 输出会是：
# HR部门的Alice (60000), Eve (60000) - 薪水相同，保持原始相对顺序
# HR部门的Charlie (75000)
# IT部门的Bob (80000)
# IT部门的David (70000)

在这个例子中，lambda emp: (emp['dept'], -emp['salary'])返回了一个元组。sorted()会先比较'dept'，如果'dept'相同，再比较-emp['salary']。因为我们希望薪水是降序，所以取了负值，这样数值越大，负值越小，在升序比较时反而排在前面。

处理更复杂的嵌套结构也是类似的。只要你的lambda函数能“挖”出你想要的比较依据，无论数据藏得多深，排序都能搞定。

# 假设有课程和学生信息，按课程ID排序，然后按学生姓名排序
courses_data = [
    {'course_id': 'CS101', 'students': [{'name': 'Zoe'}, {'name': 'Amy'}]},
    {'course_id': 'MA202', 'students': [{'name': 'Bob'}, {'name': 'Carl'}]},
    {'course_id': 'CS101', 'students': [{'name': 'David'}, {'name': 'Eve'}]}
]

# 假设我们想按课程ID排序，然后对每个课程内部的学生按姓名排序
# 这需要两步操作，或者更复杂的结构，但如果只是排序最外层列表，可以这样：
sorted_courses_by_id = sorted(courses_data, key=lambda c: c['course_id'])
print("\n按课程ID排序:")
for c in sorted_courses_by_id:
    print(c)
# 输出: CS101, CS101, MA202 (课程ID相同，顺序可能不变)

# 如果想对每个课程内的学生列表也排序，那需要单独处理
for course in courses_data:
    course['students'].sort(key=lambda s: s['name'])

print("\n课程内学生按姓名排序后的课程数据:")
for c in courses_data:
    print(c)
# 输出: CS101 (Amy, Zoe), MA202 (Bob, Carl), CS101 (David, Eve)

这里展示了，对于嵌套结构，你可能需要组合使用sorted()和list.sort()，或者进行多步操作。lambda函数在提取深层数据作为key方面，提供了极大的便利。它避免了你需要为每个特定的排序需求都写一个完整的def函数，使得代码更加简洁和即时。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~