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 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

list.sort() 和 sorted() 都有一个 key 参数来指定要在每个列表元素之前调用的函数（或其他可调用的）进行比较。

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（或其他可调用的），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 itemgetter()、attrgetter() 和 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)]

上升和下降

list.sort() 和 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

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，要通过降序 grade 然后升序 age 对学生数据进行排序，请先执行 age 排序，然后使用 grade 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)]

这可以抽象为一个包装函数，该函数可以采用字段的列表和元组，并在多次传递中对它们进行排序。

>>> 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。

既然 Python 排序提供了关键功能，这种技术就不再经常需要了。

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 Py3.0 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，消除了富比较和 __cmp__() 魔术方法之间的冲突）。

在 Py2.x 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参数进行比较，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:
        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() 函数被添加到标准库中的 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)]

在两个对象之间进行比较时，排序例程保证使用 __lt__()。因此，通过定义 __lt__() 方法可以很容易地向类添加标准排序顺序：
```
>>> Student.__lt__ = lambda self, other: self.age < other.age
>>> sorted(student_objects)
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
```
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']
>>> newgrades = {'john': 'F', 'jane':'A', 'dave': 'C'}
>>> sorted(students, key=newgrades.__getitem__)
['jane', 'dave', 'john']
```

排序方式 — Python 文档

目录