排序方式 — Python 文档

来自菜鸟教程
Python/docs/2.7/howto/sorting
跳转至:导航、​搜索

排序方式

作者
安德鲁·达尔克和雷蒙德·赫廷格
发布
0.1

Python 列表有一个内置的 list.sort() 方法,可以就地修改列表。 还有一个 sorted() 内置函数,它从一个可迭代对象构建一个新的排序列表。

在本文档中,我们探讨了使用 Python 对数据进行排序的各种技术。

排序基础

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

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

您还可以使用列表的 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 - 但如果你不需要原始列表,它的效率会更高一些。

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

另一个区别是 list.sort() 方法只为列表定义。 相比之下,sorted() 函数接受任何可迭代对象。

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

主要功能

从 Python 2.4 开始,list.sort()sorted() 都添加了一个 key 参数来指定在进行比较之前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函数,它接受一个参数并返回一个用于排序目的的键。 这种技术很快,因为对于每个输入记录,键函数只被调用一次。

一种常见的模式是使用对象的一些索引作为键对复杂对象进行排序。 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)]

相同的技术适用于具有命名属性的对象。 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)]

操作员模块功能

上面显示的键函数模式非常常见,因此 Python 提供了方便的函数来使访问器函数更容易、更快。 operator 模块有 operator.itemgetter()operator.attrgetter(),从 Python 2.5 开始有一个 operator.methodcaller() 函数。

使用这些函数,上面的例子变得更简单、更快:

>>> 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)]

操作员模块功能允许多级排序。 例如,要按 grade 然后按 age 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)]

operator.methodcaller() 函数使用固定参数为每个被排序的对象进行方法调用。 例如,str.count() 方法可用于通过计算消息中感叹号的数量来计算消息优先级:

>>> from operator import methodcaller
>>> messages = ['critical!!!', 'hurry!', 'standby', 'immediate!!']
>>> sorted(messages, key=methodcaller('count', '!'))
['standby', 'hurry!', 'immediate!!', 'critical!!!']

上升和下降

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,要以相反的 age 顺序获取学生数据:

>>> 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

从 Python 2.2 开始,排序保证 稳定 。 这意味着当多个记录具有相同的键时,它们的原始顺序将被保留。

>>> 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 的两条记录如何保持其原始顺序,以便保证 ('blue', 1) 位于 ('blue', 2) 之前。

这个奇妙的属性使您可以在一系列排序步骤中构建复杂的排序。 例如,要对学生数据按 grade 降序,然后 age 升序进行排序,请先进行 age 排序,然后再使用 grade 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)]

Python 中使用的 Timsort 算法可以有效地执行多种排序,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

经过三个步骤后,这个习语被称为装饰-排序-取消装饰:

  • 首先,初始列表用控制排序顺序的新值修饰。
  • 其次,对装饰列表进行排序。
  • 最后,删除装饰,创建一个仅包含新顺序中的初始值的列表。

例如,要使用 DSU 方法按 grade 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)]

这个习语之所以有效,是因为元组是按字典顺序比较的; 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必须在修饰列表中包含索引 i,但包含它有两个好处:

  • 排序是稳定的——如果两个项目具有相同的键,它们的顺序将保留在排序列表中。
  • 原始项目不必具有可比性,因为装饰元组的顺序最多由前两个项目决定。 例如,原始列表可能包含不能直接排序的复数。

这个习语的另一个名字是 Schwartzian 变换 ,以 Randal L. Schwartz,他在 Perl 程序员中推广了它。

对于比较信息计算成本高的大型列表和列表,以及 2.4 之前的 Python 版本,DSU 可能是对列表进行排序的最快方式。 对于 2.4 及更高版本,关键功能提供相同的功能。


使用 cmp 参数的旧方法

本 HOWTO 中给出的许多构造都假定 Python 2.4 或更高版本。 在此之前,没有内置 sorted() 并且 list.sort() 没有关键字参数。 相反,所有 Py2.x 版本都支持 cmp 参数来处理用户指定的比较函数。

在 Python 3 中,cmp 参数被完全删除(作为简化和统一语言的更大努力的一部分,消除了丰富比较和 __cmp__() 魔术方法之间的冲突)。

在 Python 2 中,sort() 允许一个可选函数,可以调用它来进行比较。 该函数应该接受两个要比较的参数,然后对于小于返回一个负值,如果它们相等则返回零,或者对于大于返回一个正值。 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]

或者您可以颠倒比较顺序:

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

将代码从 Python 2.x 移植到 3.x 时,当您让用户提供比较函数而您需要将其转换为关键函数时,可能会出现这种情况。 以下包装器使这很容易做到:

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

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 2.7 中,functools.cmp_to_key() 函数被添加到 functools 模块中。


奇数与结局

  • 对于区域感知排序,使用 locale.strxfrm() 作为关键函数或 locale.strcoll() 作为比较函数。

  • reverse 参数仍然保持排序稳定性(以便具有相同键的记录保留其原始顺序)。 有趣的是,可以通过两次使用内置 reversed() 函数在没有参数的情况下模拟这种效果:

    >>> 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)]
  • 要为类创建标准排序顺序,只需添加适当的丰富比较方法:

    >>> Student.__eq__ = lambda self, other: self.age == other.age
    >>> Student.__ne__ = lambda self, other: self.age != other.age
    >>> Student.__lt__ = lambda self, other: self.age < other.age
    >>> Student.__le__ = lambda self, other: self.age <= other.age
    >>> Student.__gt__ = lambda self, other: self.age > other.age
    >>> Student.__ge__ = lambda self, other: self.age >= other.age
    >>> sorted(student_objects)
    [('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]

    对于通用比较,推荐的方法是定义所有六个丰富的比较运算符。 functools.total_ordering() 类装饰器使这很容易实现。

  • 键函数不需要直接依赖于被排序的对象。 一个键函数也可以访问外部资源。 例如,如果学生成绩存储在字典中,它们可用于对学生姓名的单独列表进行排序:

    >>> students = ['dave', 'john', 'jane']
    >>> grades = {'john': 'F', 'jane':'A', 'dave': 'C'}
    >>> sorted(students, key=grades.__getitem__)
    ['jane', 'dave', 'john']