排序方式

  • Author

    • 安德鲁·达尔克和雷蒙德·黑廷格
  • Release

    • 0.1

Python 列表具有内置的list.sort()方法,该方法可以就地修改列表。还有一个sorted()内置函数,可从迭代器构建新的排序列表。

在本文档中,我们探索了使用 Python 进行数据排序的各种技术。

Sorting Basics

简单的升序排序非常简单:只需调用sorted()函数即可。它返回一个新的排序列表:

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

您也可以使用list.sort()方法。它就地修改列表(并返回None以避免混淆)。通常,它不如sorted()方便-但如果您不需要原始列表,则效率会稍高一些。

>>> a = [5, 2, 3, 1, 4]
>>> a.sort()
>>> a
[1, 2, 3, 4, 5]

另一个区别是只为列表定义了list.sort()方法。相反,sorted()函数接受任何可迭代的。

>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]

Key Functions

list.sort()sorted()都有一个* key *参数,用于在进行比较之前指定要在每个列表元素上调用的函数。

例如,这是一个不区分大小写的字符串比较:

>>> sorted("This is a test string from Andrew".split(), key=str.lower)
['a', 'Andrew', 'from', 'is', 'string', 'test', 'This']
  • key *参数的值应该是一个采用单个参数并返回用于排序目的键的函数。这种技术之所以快捷,是因为对于每个 Importing 记录,键Function都只被调用一次。

一种常见的模式是使用对象的某些索引作为键来对复杂的对象进行排序。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)]

具有命名属性的对象也可以使用相同的技术。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)]

操作员模块Function

上面显示的键Function模式非常普遍,因此 Python 提供了便利Function,使访问器Function更容易,更快捷。 operator模块具有itemgetter()attrgetter()methodcaller()Function。

使用这些Function,以上示例变得更加简单和快捷:

>>> 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)]

操作员模块Function允许进行多个级别的排序。例如,要按* grade 然后按 age *进行排序:

>>> 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)]

升序和降序

list.sort()sorted()都接受带有布尔值的* reverse 参数。这用于标记降序排序。例如,以相反的 age *Sequences 获取学生数据:

>>> 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)]

排序稳定性和复杂排序

排序保证为stable。这意味着当多个记录具有相同的键时,将保留其原始 Sequences。

>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> sorted(data, key=itemgetter(0))
[('blue', 1), ('blue', 2), ('red', 1), ('red', 2)]

请注意,* blue *的两个记录如何保持其原始 Sequences,从而保证('blue', 1)优先于('blue', 2)

这个奇妙的属性使您可以pass一系列排序步骤来构建复杂的排序。例如,要按以下方式对学生数据进行排序:降* grade 然后升 age ,请先进行 age 排序,然后再使用 grade *进行再次排序:

>>> 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)]

可以将其抽象到包装函数中,该包装函数可以获取字段的列表和 Tuples,并可以对它们进行多次排序。

>>> def multisort(xs, specs):
...     for key, reverse in reversed(specs):
...         xs.sort(key=attrgetter(key), reverse=reverse)
...     return xs
>>> multisort(list(student_objects), (('grade', True), ('age', False)))
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]

Python 中使用的Timsort算法可以高效地执行多种排序,因为它可以利用数据集中已经存在的任何排序。

使用 Decorate-Sort-Undecorate 的旧方法

经过三个步骤,这个习惯用法称为 Decorate-Sort-Undecorate。

  • 首先,初始列表用控制排序 Sequences 的新值修饰。

  • 其次,对装饰 Lists 进行排序。

  • 最后,删除装饰,创建一个仅包含新 Sequences 中的初始值的列表。

例如,使用 DSU 方法按年级对学生数据进行排序:

>>> 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)]

这个习语之所以有用,是因为在字典上比较了 Tuples。比较第一项;如果它们相同,则比较第二个项目,依此类推。

并非在所有情况下都严格要求在修饰列表中包括索引* i *,但包括索引有两个好处:

  • 排序是稳定的–如果两个项目具有相同的键,则它们的 Sequences 将保留在排序列表中。

  • 原始项目不必具有可比性,因为装饰后的 Tuples 的 Sequences 最多由前两个项目决定。因此,例如原始列表可能包含无法直接排序的复数。

这个习惯用语的另一个名字是Schwartzian transform,以 Randal L. Schwartz(在 Perl 程序员中流行)为名。

现在,Python 排序提供了关键Function,因此不再经常需要此技术。

使用 cmp 参数的旧方法

本 HOWTO 中提供的许多构造都假定使用 Python 2.4 或更高版本。在此之前,没有sorted()内置函数,而list.sort()没有任何关键字参数。相反,所有 Py2.x 版本都支持* cmp *参数来处理用户指定的比较Function。

在 Py3.0 中,* cmp *参数被完全删除(这是简化和统一语言的较大工作的一部分,从而消除了丰富的比较与__cmp__() magic 方法之间的冲突)。

在 Py2.x 中,sort 允许一个可选函数,可以进行比较。该函数应该接受两个参数进行比较,然后返回小于等于的负值,如果相等则返回零,或者大于等于返回正值。例如,我们可以这样做:

>>> def numeric_compare(x, y):
...     return x - y
>>> sorted([5, 2, 4, 1, 3], cmp=numeric_compare) 
[1, 2, 3, 4, 5]

或者,您可以使用以下方法反转比较 Sequences:

>>> def reverse_numeric(x, y):
...     return y - x
>>> sorted([5, 2, 4, 1, 3], cmp=reverse_numeric) 
[5, 4, 3, 2, 1]

当将代码从 Python 2.x 移植到 3.x 时,如果您让用户提供比较Function并且需要将其转换为键Function,则会出现这种情况。以下包装器使操作变得简单:

def cmp_to_key(mycmp):
    'Convert a cmp= function into a key= function'
    class K:
        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

要转换为键函数,只需包装旧的比较函数:

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

在 Python 3.2 中,functools.cmp_to_key()函数已添加到标准库的functools模块中。

奇数和结尾

  • 对于语言环境感知的排序,将locale.strxfrm()用作键Function或将locale.strcoll()用作比较Function。

    • reverse *参数仍保持排序稳定性(因此,具有相同键的记录将保留原始 Sequences)。有趣的是,可以使用内置的reversed()函数两次来模拟不使用参数的效果:
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> standard_way = sorted(data, key=itemgetter(0), reverse=True)
>>> double_reversed = list(reversed(sorted(reversed(data), key=itemgetter(0))))
>>> assert standard_way == double_reversed
>>> standard_way
[('red', 1), ('red', 2), ('blue', 1), ('blue', 2)]
  • 在两个对象之间进行比较时,保证排序例程使用lt()。因此,很容易pass定义lt()方法将标准排序 Sequences 添加到类中:
>>> Student.__lt__ = lambda self, other: self.age < other.age
>>> sorted(student_objects)
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
  • 关键Function不必直接取决于要排序的对象。关键Function也可以访问外部资源。例如,如果学生成绩存储在字典中,则可以将其用于对学生姓名的单独列表进行排序:
>>> students = ['dave', 'john', 'jane']
>>> newgrades = {'john': 'F', 'jane':'A', 'dave': 'C'}
>>> sorted(students, key=newgrades.__getitem__)
['jane', 'dave', 'john']