3.2 KiB
3.2 KiB
#领域/Python
一句话描述
[Python 核心排序方法（sorted () 与 list.sort ()）的特性对比、基础用法、自定义排序规则及性能优化技巧____]
核心定义
围绕核心排序方法 sorted() 和 list.sort() 的实现，二者核心特性对比如下：
| 特性 | sorted(iterable) | list.sort() |
|---|---|---|
| 返回值 | 返回新的排序后列表，原数据保持不变 | 无返回值（None），原地修改原列表 |
| 适用对象 | 所有可迭代对象（列表、元组、字典等） | 仅列表（list）类型 |
| 内存占用 | 占用额外内存（生成新列表） | 无额外内存消耗（原地修改） |
| 常用场景 | 需保留原数据、非列表对象的排序需求 | 无需保留原数据、仅针对列表的排序场景 |
基础排序用法
# sorted()：生成新列表
nums = [3, 1, 2]
new_nums = sorted(nums) # new_nums=[1,2,3], nums仍为[3,1,2]
# list.sort()：原地修改
nums.sort() # nums变为[1,2,3]，返回None
自定义排序规则
1. key 参数（lambda / 自定义函数）
- 单维度排序：
key=lambda 元素: 元素.属性 - 多维度排序：
key=lambda 元素: (属性1, 属性2)（优先按属性 1，相等则按属性 2）
# 优先x升序 → 其次y升序（你的核心需求）
sorted_list = sorted(msg_list, key=lambda m: (m.x, m.y))
# 反向：优先x降序 → 其次y降序
sorted_list_rev = sorted(msg_list, key=lambda m: (m.x, m.y), reverse=True)
# 更复杂场景：x升序，y降序（混合方向）
sorted_list_mix = sorted(msg_list, key=lambda m: (m.x, -m.y)) # -y实现y降序
重写类的比较方法（lt）
如果某个类的排序规则是 “长期固定” 的，可重写类的__lt__（小于）方法，Python 排序会自动基于<推导其他比较逻辑，无需指定key。
class Msg:
# x, y 属性
# 定义“小于”规则：先比x，再比y
def __lt__(self, other):
if not isinstance(other, Msg): # 避免类型错误，提升健壮性
return NotImplemented
if self.x != other.x:
return self.x < other.x
return self.y < other.y
# 直接排序，无需key
sorted_list = sorted(msg_list)
性能优化技巧
提前排序键
对于大规模数据（万级以上），提前提取排序键（避免重复计算）
# 先生成(键, 对象)元组列表，排序后提取对象（减少属性访问次数）
key_obj = [( (m.x, m.y), m ) for m in msg_list]
key_obj.sort()
sorted_list = [obj for (key, obj) in key_obj]
避免在key中使用复杂计算（如函数调用），优先预计算。
operator 替代 lambda
内置的 operator.attrgetter 更简洁、大规模数据下性能更好（底层是 C 实现）
# 等价于 lambda m: (m.x, m.y)，但更快、更简洁
sorted_list = sorted(msg_list, key=attrgetter("x", "y"))
print(sorted_list) # [Msg(i=2, x=1, y=3), Msg(i=3, x=2, y=1), Msg(i=1, x=3, y=2)]
# 反向排序（x降→y升）
sorted_rev = sorted(msg_list, key=attrgetter("x", "y"), reverse=True)
注意事项
- 避免在
key中使用复杂函数调用，优先通过预计算简化排序键 - 大规模数据排序时，优先选择
list.sort()（原地修改）减少内存占用