如何排序

作者︰Andrew Dalke和Raymond Hettinger
发布︰0.1

Python列表有一个内建list.sort()方法来修改列表就地。还有一个sorted()内建函数,它从一个迭代器构建一个新的排序列表。

在本文中,我们探讨使用 Python 进行数据排序的各种技术。

排序基础知识

简单的升序排序很容易︰ 只是调用 sorted() 函数。返回一个新的排好序的列表︰

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

您还可以使用 list.sort() 方法。它会原位修改列表(并返回以避免混淆)。通常它不太方便sorted() - 但如果你不需要原始列表,它稍微更高效。

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

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

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

Key Functions

list.sort()sorted()都有一个参数,用于指定在进行比较之前对每个列表元素调用的函数。

例如,这是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']

参数的值应为接受单个参数并返回键以用于排序目的的函数。这种技术是快速的,因为对于每个输入记录精确地调用一次键功能。

一个常见的模式是使用一些对象的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)]

Operator Module Functions

上面显示的键功能模式是非常常见的,所以Python提供了方便的功能,使访问器功能更容易和更快。operator模块具有itemgetter()attrgetter()methodcaller()函数。

使用这些函数,上面的例子变得更简单和更快:

>>> 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)]

操作符模块函数允许多级排序。例如,要按年级,然后按年龄进行排序:

>>> 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)]

Ascending and Descending

list.sort()sorted()接受带有布尔值的reverse参数。这用于标记降序排序。例如,要按照年龄顺序获取学生数据:

>>> 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)]

注意blue的两个记录如何保留其原始顺序,以便保证('blue', 1)('blue', 2)之前。

这个奇妙的属性让你在一系列的排序步骤中构建复杂的排序。例如,要按年级降序排序学生数据,然后按年龄升序,请先按年龄排序,然后使用年级

>>> 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算法有效地执行多种排序,因为它可以利用数据集中已存在的任何排序。

The Old Way Using Decorate-Sort-Undecorate

这个成语在其三个步骤后称为装饰 - 排序 - 未分类:

  • 首先,初始列表装饰有控制排序顺序的新值。
  • 第二,装饰列表排序。
  • 最后,装饰被删除,创建一个只包含新顺序中的初始值的列表。

例如,要使用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)]

这个成语工作,因为元组比较字典化;比较第一项;如果它们相同,则比较第二项目,等等。

在所有情况下不必严格地在装饰列表中包括索引i,但是包括它有两个好处:

  • 排序是稳定的 - 如果两个项目具有相同的键,则它们的顺序将保留在排序列表中。
  • 原始项目不必是可比较的,因为装饰元组的排序将由最多两个项目确定。因此,例如原始列表可以包含不能直接排序的复数。

这个成语的另一个名字是Schwartzian变换,在Randal L. Schwartz之后,他在Perl程序员中流行起来。

现在Python排序提供了关键功能,这种技术不是经常需要的。

The Old Way Using the cmp Parameter

在本HOWTO中给出的许多构造假设Python 2.4或更高版本。在此之前,没有sorted()内置和list.sort()没有关键字参数。相反,所有的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,完全删除了cmp参数(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__()

在Py2.x中,sort允许一个可选的函数,可以调用它来进行比较。该函数应该采用两个参数进行比较,然后对小于返回负值,如果相等则返回零,或者对大于返回正值。例如,我们可以做:

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

或者你可以颠倒比较的顺序:

>>> 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,当用户提供比较函数并需要将其转换为键函数时,会出现这种情况。下面的包装容易做到:

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

要转换为键功能,只需换行旧的比较函数:

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

在Python 3.2中,将functools.cmp_to_key()函数添加到标准库中的functools模块中。

Odd and Ends

  • 对于区域设置感知排序,使用locale.strxfrm()作为键函数或locale.strcoll()作为比较函数。

  • reverse参数仍保持排序稳定性(以便具有相等键的记录保留原始顺序)。有趣的是,通过使用内置reversed()函数两次,可以模拟没有参数的效果:

    >>> 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)]
    
  • 当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,可以轻松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)]
    
  • 键功能不需要直接依赖于正在排序的对象。一个关键功能也可以访问外部资源。对于实例,如果学生成绩存储在字典中,他们可以用于排序学生名称的单独列表:

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