异常教程

Python3 sorted() 函数（长文解析）

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

前言

在 Python 编程中，数据排序是一个高频需求场景。无论是处理用户列表、分析销售数据，还是优化算法逻辑，排序操作都扮演着核心角色。而 sorted() 函数正是 Python 语言中实现这一功能的核心工具之一。它以其简洁的语法、灵活的参数配置和高效性，成为开发者们不可或缺的“瑞士军刀”。

对于编程初学者而言，理解 sorted() 函数的逻辑与用法是掌握 Python 数据处理的关键一步；对于中级开发者，深入探索其高级特性（如自定义排序规则、多级排序等）则能显著提升代码的优雅度与复用性。

本文将以 “Python3 sorted() 函数” 为核心，通过循序渐进的方式展开讲解，结合生活化的比喻与真实代码案例，帮助读者构建系统化的认知框架。

一、基础用法：排序的“核心骨架”

1.1 基础语法与核心功能

sorted() 函数是 Python 内置的排序函数，其核心作用是对 可迭代对象（如列表、元组、字符串等）进行排序，并返回一个 新列表（原对象不变）。

语法格式：

sorted(iterable, key=None, reverse=False)

核心参数说明：

  • iterable：待排序的可迭代对象，如列表、元组等。
  • key：用于指定排序的判断依据（详见后文）。
  • reverse：布尔值，控制排序顺序（True 表示降序，默认为升序）。

基础案例：

numbers = [3, 1, 4, 1, 5, 9]  
sorted_numbers = sorted(numbers)  
print(sorted_numbers)  # 输出：[1, 1, 3, 4, 5, 9]

1.2 与列表内置方法 sort() 的区别

sorted() 函数与列表的 sort() 方法功能相似，但存在关键差异：

  • 返回值：sorted() 返回新列表，而 sort() 直接修改原列表。
  • 适用范围：sorted() 可以对任何可迭代对象排序，而 sort() 仅适用于列表。

对比示例：

original = [5, 3, 2]  
sorted_copy = sorted(original)  # 原列表不变  
original.sort()                # 原列表被修改

比喻：
可以将 sorted() 想象为“影印机”——它生成一个副本并对其进行操作，而 sort() 则像“直接修改原件”一样直接改变原列表。

二、关键参数详解：key 与 reverse

2.1 reverse 参数：掌控排序方向

通过 reverse=True 可切换排序方向。例如：

names = ["Alice", "Bob", "Zoe"]  
descending_order = sorted(names, reverse=True)  
print(descending_order)  # 输出：['Zoe', 'Bob', 'Alice']

生活化理解：
这类似于比赛名次的排列——当 reverse=True 时，就像将奖牌从金牌到铜牌的顺序反转，变为“从低到高”排序。

2.2 key 参数：定义排序的“判断标准”

key 是 sorted() 函数最强大的特性之一，它允许开发者自定义排序规则。其本质是将每个元素通过一个函数转换为“键值”，然后根据键值进行排序。

语法：

sorted(iterable, key=function)

其中，function 必须接收一个参数（列表中的单个元素），并返回一个可比较的值。

2.2.1 基础案例：按字符串长度排序

words = ["apple", "banana", "cherry", "date"]  
sorted_by_length = sorted(words, key=lambda x: len(x))  
print(sorted_by_length)  # 输出：['date', 'apple', 'banana', 'cherry']

解释：
通过 lambda x: len(x)，每个字符串被转换为其长度（如 "apple" → 5），排序依据是长度值。

2.2.2 进阶案例：按元组的第二项排序

scores = [("Alice", 85), ("Bob", 92), ("Cathy", 78)]  
sorted_by_score = sorted(scores, key=lambda x: x[1])  
print(sorted_by_score)  # 输出：[('Cathy', 78), ('Alice', 85), ('Bob', 92)]

比喻：
这如同图书馆管理员按书籍的出版年份排序，而不是书名本身。key 参数就像“分拣规则”，告诉函数“根据什么特征来比较元素”。

三、进阶技巧：多级排序与复杂场景

3.1 多级排序：同时依据多个条件排序

在实际开发中，常需结合多个条件排序。例如，先按分数降序，再按姓名升序。

解决方案：
通过 key 参数返回一个 元组，元组中的元素按优先级排列。例如：

students = [  
    ("Alice", 85),  
    ("Bob", 92),  
    ("Cathy", 92),  
    ("David", 85)  
]  
sorted_students = sorted(  
    students,  
    key=lambda x: (-x[1], x[0]),  # 负号实现降序  
    reverse=False  
)  
print(sorted_students)

技巧说明：

  • 负号 x[1] 可替代 reverse=True 的作用，因为元组比较会按元素逐项判断。
  • 这种方式比直接设置 reverse=True 更灵活，尤其在混合排序方向时。

3.2 对象排序：自定义类的排序逻辑

当需要对自定义对象排序时，需通过 key 参数指定对象的某个属性。

案例：按年龄排序学生对象

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

students = [  
    Student("Alice", 20),  
    Student("Bob", 19),  
    Student("Cathy", 20)  
]  
sorted_students = sorted(students, key=lambda x: x.age)

3.3 结合其他函数：增强灵活性

key 参数可以与内置函数（如 str.upper()）或自定义函数结合，实现更复杂的逻辑。

案例：忽略大小写排序字符串

words = ["Apple", "banana", "Cherry"]  
sorted_words = sorted(words, key=lambda x: x.lower())  
print(sorted_words)  # 输出：['Apple', 'banana', 'Cherry']

四、常见误区与解决方案

4.1 错误 1：混淆 sorted() 与 sort()

my_list = [3, 1, 2]  
sorted(my_list)       # 返回新列表，但未赋值  
print(my_list)        # 输出：[3, 1, 2]（未改变）

解决：必须将结果赋值给新变量，或直接使用 sort()。

4.2 错误 2：key 参数返回不可比较类型

data = [{"score": 85}, {"score": 92}]  
sorted(data)  # 报错：无法比较字典

解决：通过 key=lambda x: x["score"] 明确排序依据。

4.3 错误 3：多级排序方向混乱

sorted(scores, key=lambda x: (x[1], x[0]), reverse=True)

解决：通过元组中的负号单独控制降序：

sorted(scores, key=lambda x: (-x[1], x[0]))

五、实战案例：综合运用 sorted() 函数

5.1 案例 1：电商商品排序

假设需要根据价格从低到高排序商品，若价格相同则按名称升序：

products = [  
    {"name": "Laptop", "price": 1200},  
    {"name": "Phone", "price": 800},  
    {"name": "Tablet", "price": 800},  
    {"name": "Mouse", "price": 50}  
]  
sorted_products = sorted(  
    products,  
    key=lambda x: (x["price"], x["name"])  
)

5.2 案例 2：处理复杂数据结构

对包含嵌套列表的字典按第二层元素排序：

data = [  
    [1, [3, 2]],  
    [2, [1, 4]],  
    [0, [5, 0]]  
]  
sorted_data = sorted(data, key=lambda x: x[1][1])  
print(sorted_data)  # 输出：[[0, [5, 0]], [1, [3, 2]], [2, [1, 4]]]

六、性能与注意事项

6.1 稳定性

sorted() 函数采用 Timsort 算法，保证排序的稳定性（即相等元素的原始顺序不变）。例如：

items = [("a", 2), ("b", 2), ("c", 1)]  
sorted_items = sorted(items, key=lambda x: x[1])

6.2 大数据量的优化

对于超大列表（如数百万条数据），可考虑：

  1. 使用生成器或惰性计算减少内存占用。
  2. 结合 functools.cmp_to_key() 转换比较函数（但需注意效率）。

结论

Python3 sorted() 函数 是数据处理的核心工具，其灵活性与强大功能远超表面的简单语法。通过掌握 key 和 reverse 参数，开发者可以应对从基础排序到复杂多级排序的各类场景。

本文通过循序渐进的讲解与实战案例，帮助读者逐步构建对 sorted() 函数的深度理解。建议读者通过实际编码练习，尝试将所学知识应用到项目中，例如对用户数据排序、日志分析或算法优化等场景。

掌握 sorted() 函数不仅是技术能力的提升，更是培养 “以函数思维解决问题” 的重要一步。希望本文能成为您 Python 学习道路上的坚实阶梯！

最新发布

查看更多文章