佛山优化网站,第二次使用wordpress,网站icp备案证明,网站优化外包服务python sort、sorted排序 这篇文章主要介绍了python sort、sorted高级排序技巧,本文讲解了基础排序、升序和降序、排序的稳定性和复杂排序、cmp函数排序法等内容. python list内置sort()方法用来排序#xff0c;也可以用python内置的全局sorted()方法来对可迭代的序列排…python sort、sorted排序 这篇文章主要介绍了python sort、sorted高级排序技巧,本文讲解了基础排序、升序和降序、排序的稳定性和复杂排序、cmp函数排序法等内容. 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。 代码如下: sorted([5, 2, 3, 1, 4]) [1, 2, 3, 4, 5] 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。 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。 代码如下: sorted({1: D, 2: B, 3: B, 4: E, 5: A}) [1, 2, 3, 4, 5]
2key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 代码如下: sorted(This is a test string from Andrew.split(), keystr.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 代码如下: student_tuples [ (john, A, 15), (jane, B, 12), (dave, B, 10), ] sorted(student_tuples, keylambda 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 代码如下: 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, keylambda student: student.age) # sort by age [(dave, B, 10), (jane, B, 12), (john, A, 15)]
3Operator 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itemgetterattrgetter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 代码如下: from operator import itemgetter, attrgetter sorted(student_tuples, keyitemgetter(2)) [(dave, B, 10), (jane, B, 12), (john, A, 15)] sorted(student_objects, keyattrgetter(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 代码如下: sorted(student_tuples, keyitemgetter(1,2)) [(john, A, 15), (dave, B, 10), (jane, B, 12)] sorted(student_objects, keyattrgetter(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reverseTrue 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 代码如下: sorted(student_tuples, keyitemgetter(2), reverseTrue) [(john, A, 15), (jane, B, 12), (dave, B, 10)] sorted(student_objects, keyattrgetter(age), reverseTrue) [(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。 代码如下: data [(red, 1), (blue, 1), (red, 2), (blue, 2)] sorted(data, keyitemgetter(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。 代码如下: s sorted(student_objects, keyattrgetter(age)) # sort on secondary key sorted(s, keyattrgetter(grade), reverseTrue) # 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DSUDecorate-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 [(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 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 代码如下: def numeric_compare(x, y): return x - y sorted([5, 2, 4, 1, 3], cmpnumeric_compare) [1, 2, 3, 4, 5] 或者你可以反序排序 代码如下: def reverse_numeric(x, y): return y - x sorted([5, 2, 4, 1, 3], cmpreverse_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 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 代码如下: sorted([5, 2, 4, 1, 3], keycmp_to_key(reverse_numeric)) [5, 4, 3, 2, 1] 从python2.7cmp_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 代码如下: data [(red, 1), (blue, 1), (red, 2), (blue, 2)] assert sorted(data, reverseTrue) 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 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 代码如下: students [dave, john, jane] newgrades {john: F, jane:A, dave: C} sorted(students, keynewgrades.__getitem__) [jane, dave, john]
