异常教程

Python 将给定列表的元素按大小排序（长文讲解）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

在 Python 编程中，列表（List）是最基础且常用的容器类型之一。无论是处理用户数据、分析日志文件，还是构建复杂的应用程序，开发者常常需要将列表中的元素按特定规则 排序。例如，电商网站可能需要按价格对商品列表排序，数据分析时可能需要按时间戳对记录排序。掌握 Python 将给定列表的元素按大小排序 的方法，不仅能提升代码效率，还能为后续的逻辑处理打下坚实基础。

本文将从基础到进阶，系统讲解 Python 中列表排序的核心方法，并通过实际案例与代码示例，帮助读者逐步掌握这一技能。

一、基础排序：sorted() 与 sort() 的区别

Python 提供了两种核心方法来实现列表排序：sorted() 函数和 list.sort() 方法。它们的核心功能相同，但使用场景和特性有显著差异。

1.1 sorted() 函数：返回新列表，原列表不变

sorted() 是一个内置函数，接受一个可迭代对象（如列表）作为参数，并返回一个 新排序后的列表，而不会修改原列表。

示例代码：

original_list = [3, 1, 4, 1, 5, 9]  
sorted_list = sorted(original_list)  

print("原列表:", original_list)  # 输出：原列表: [3, 1, 4, 1, 5, 9]  
print("排序后的列表:", sorted_list)  # 输出：排序后的列表: [1, 1, 3, 4, 5, 9]

1.2 list.sort() 方法：原地修改列表

sort() 是列表对象的一个方法，会直接 修改原列表，并返回 None。因此，它适合在需要节省内存或无需保留原始数据时使用。

示例代码：

original_list = [3, 1, 4, 1, 5, 9]  
original_list.sort()  

print("修改后的列表:", original_list)  # 输出：修改后的列表: [1, 1, 3, 4, 5, 9]

总结：

  • 选择 sorted() 的场景： 需要保留原始列表，或需要同时保留原列表和排序后的结果。
  • 选择 list.sort() 的场景： 内存有限，或明确不需要保留原列表。

二、自定义排序规则：key 参数的魔法

默认情况下，Python 的排序方法会按元素的自然顺序排序（如数字按大小、字符串按字母顺序）。但实际开发中，我们常常需要根据 自定义规则 排序。例如：

  • 按字符串长度排序
  • 按对象的某个属性排序
  • 忽略大小写排序

此时，可以通过 key 参数指定一个函数，将列表中的每个元素映射为一个用于比较的值。

2.1 基础用法：按字符串长度排序

假设有一个字符串列表，需要按字符串长度从长到短排序：

words = ["apple", "Banana", "cherry", "date"]  
sorted_words = sorted(words, key=lambda x: len(x))  

print(sorted_words)  # 输出：['date', 'apple', 'Banana', 'cherry']

解释：

  • lambda x: len(x) 是一个匿名函数，将每个字符串 x 映射为它的长度。
  • sorted() 根据这些长度值进行排序，因此最短的字符串（如 "date"，长度为4）排在最前面。

2.2 多条件排序：元组的妙用

有时需要按多个条件排序，例如先按价格降序，再按名称升序。此时，可以将 key 函数返回一个元组：

products = [  
    {"name": "iPhone", "price": 999},  
    {"name": "Galaxy", "price": 899},  
    {"name": "Pixel", "price": 799},  
    {"name": "iPhone", "price": 1099}  
]  

sorted_products = sorted(products, key=lambda x: (-x["price"], x["name"]))  

for product in sorted_products:  
    print(f"{product['name']}: ${product['price']}")

输出：

iPhone: $1099  
iPhone: $999  
Galaxy: $899  
Pixel: $799

技巧：

  • 负号 - 可以实现降序排序（默认升序）。
  • 元组中的元素按顺序比较，因此先比较价格（降序），再比较名称（升序）。

2.3 对象排序：自定义类的 __lt__ 方法

如果要排序的对象是自定义类的实例，可以通过定义 __lt__（小于）方法，或使用 functools.total_ordering 装饰器，让 Python 知道如何比较对象。

示例：按学生成绩排序

class Student:  
    def __init__(self, name, score):  
        self.name = name  
        self.score = score  

    def __repr__(self):  
        return f"Student({self.name}, {self.score})"  

students = [  
    Student("Alice", 85),  
    Student("Bob", 92),  
    Student("Charlie", 78)  
]  

sorted_by_score = sorted(students, key=lambda s: s.score)  


print(sorted_by_score)

三、进阶技巧：稳定性与多条件排序

3.1 排序稳定性：相同元素的相对位置

排序算法的 稳定性 指：当多个元素的排序键相同时，它们的相对位置是否在排序后保持不变。

Python 的 sorted() 和 list.sort() 默认是稳定的，即相等元素的原始顺序会被保留。

示例：

data = [("Alice", 85), ("Bob", 85), ("Charlie", 90)]  
sorted_data = sorted(data, key=lambda x: x[1])  

print(sorted_data)

3.2 反向排序：reverse 参数

若需要降序排序，只需设置 reverse=True：

numbers = [5, 2, 8, 1]  
descending = sorted(numbers, reverse=True)  # 输出：[8, 5, 2, 1]

3.3 多级排序：结合 itemgetter 和元组

当需要按多个字段排序时，可以使用 operator 模块的 itemgetter 函数，提升代码可读性：

from operator import itemgetter  

users = [  
    {"name": "Alice", "age": 30, "score": 90},  
    {"name": "Bob", "age": 25, "score": 85},  
    {"name": "Charlie", "age": 30, "score": 95}  
]  

sorted_users = sorted(users, key=itemgetter("age", "score"), reverse=[False, True])

四、性能与选择：不同场景的最佳实践

4.1 时间复杂度与算法选择

Python 的排序算法基于 Timsort，其时间复杂度为 O(n log n)，适用于绝大多数场景。但在特殊情况下，需注意以下细节：

  • 小列表（<1000 元素）： Timsort 的常数项较小，性能优异。
  • 大列表（>1e6 元素）： 需确保内存足够，避免因排序导致的性能瓶颈。

4.2 内存敏感场景：原地排序 vs 创建新列表

  • 使用 sort() 的优势： 不额外占用内存，适合处理超大列表。
  • 使用 sorted() 的优势： 可以保留原列表，适合需要多版本排序结果的场景。

4.3 自定义排序的优化技巧

  • 预计算键值： 若 key 函数计算开销较大（如调用数据库查询），可预先缓存结果。
  • 避免嵌套函数： 将 key 函数定义为独立函数，而非内联 lambda，以提升可读性。

五、实战案例：综合排序应用

5.1 案例需求

假设我们有一个电商平台的订单列表，需要按以下规则排序：

  1. 优先级： 未发货订单（status="pending"）排在已发货订单之前。
  2. 次要排序： 按订单创建时间降序排列。

5.2 实现代码

from datetime import datetime  

orders = [  
    {"id": 1, "status": "shipped", "created_at": datetime(2023, 1, 1)},  
    {"id": 2, "status": "pending", "created_at": datetime(2023, 1, 3)},  
    {"id": 3, "status": "pending", "created_at": datetime(2023, 1, 2)},  
]  

sorted_orders = sorted(  
    orders,  
    key=lambda o: (  
        0 if o["status"] == "pending" else 1,  
        -o["created_at"].timestamp()  # 降序  
    )  
)  

for order in sorted_orders:  
    print(order["id"], order["status"], order["created_at"])

输出：

2 pending 2023-01-03 00:00:00  
3 pending 2023-01-02 00:00:00  
1 shipped 2023-01-01 00:00:00

结论：掌握排序，掌控数据

通过本文的讲解，读者应该能够：

  1. 熟练使用 sorted() 和 list.sort() 完成基础排序。
  2. 通过 key 参数和 reverse 参数实现复杂排序逻辑。
  3. 根据场景选择最优的排序方法，并理解其性能特性。

排序是编程中的基础技能，但其应用场景远不止本文所列。例如，在机器学习中，特征排序可能影响模型效果；在算法竞赛中，排序可能是优化时间复杂度的关键。因此，建议读者通过实际项目不断练习，并探索更高级的排序技巧（如多线程排序、外部排序等）。

Python 的排序功能强大且灵活，只要掌握核心概念，就能在各类场景中游刃有余。希望本文能成为您学习 Python 的一个坚实起点！

最新发布

查看更多文章