Python-3.12.0文档解读-内置函数sorted()详细说明+记忆策略+常用场景+巧妙用法+综合技巧

2024-06-02 00:44
文章标签 python 文档 综合 函数 技巧 内置 用法 说明 解读 详细 场景 常用 策略 sorted 记忆 巧妙 3.12

本文主要是介绍Python-3.12.0文档解读-内置函数sorted()详细说明+记忆策略+常用场景+巧妙用法+综合技巧，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！


一个认为一切根源都是“自己不够强”的INTJ

个人主页：用哲学编程-CSDN博客
专栏：每日一题——举一反三
Python编程学习
Python内置函数

Python-3.12.0文档解读

目录

Python-3.12.0文档解读详细说明

功能描述

参数说明

用法示例

备注

进阶用法

参考资料

记忆策略

常用场景

示例1：基本排序

示例2：逆序排序

示例3：根据字符串长度排序

示例4：对包含字典的列表进行排序

示例5：多重排序（先按部门，再按薪资）

示例6：对元组列表进行排序

示例7：排序包含混合大小写字符串的列表

巧妙用法

技巧1：排序自定义对象列表

技巧2：按多个条件进行复杂排序

技巧3：对嵌套结构进行排序

技巧4：使用 sorted() 进行字符串排列组合

技巧5：根据条件过滤并排序

技巧6：自定义排序顺序（非标准排序）

综合技巧

技巧1：结合 sorted() 和 zip()对多个列表进行同步排序

技巧2：结合 sorted() 和 itertools.groupby() 对数据进行分组

技巧3：结合 sorted() 和 enumarate() 对带索引的数据进行排序

技巧4：结合 sorted() 和 set() 对集合进行排序

技巧5：结合 sorted() 和 pandas 库对数据框进行排序

技巧6：结合 sorted() 和 functools.cmp_to_key() 实现自定义复杂排序


详细说明

sorted(iterable, /, *, key=None, reverse=False)

功能描述

sorted() 函数根据 iterable 中的项返回一个新的已排序列表。

参数说明

  • iterable: 要排序的可迭代对象，如列表、元组、字符串等。
  • key (可选): 指定一个带有单个参数的函数，用于从 iterable 的每个元素中提取用于比较的键。例如，key=str.lower 将按照忽略大小写的字母顺序进行排序。默认值为 None，即直接比较元素。
  • reverse (可选): 一个布尔值。如果设为 True，则每个列表元素将按反向顺序进行排序。默认值为 False。

用法示例

# 按默认顺序排序
sorted_list = sorted([5, 2, 3, 1, 4])
print(sorted_list)  # 输出: [1, 2, 3, 4, 5]# 按反向顺序排序
sorted_list = sorted([5, 2, 3, 1, 4], reverse=True)
print(sorted_list)  # 输出: [5, 4, 3, 2, 1]# 使用 key 参数进行排序
sorted_list = sorted(["bob", "Alice", "eve"], key=str.lower)
print(sorted_list)  # 输出: ['Alice', 'bob', 'eve']

备注

  1. sorted() 函数确保排序是稳定的。稳定排序意味着不会改变比较结果相等的元素的相对顺序，这对于多重排序非常有用（例如，先按部门、再按薪级排序）。
  2. 排序算法只使用 < 运算符在项目之间进行比较。虽然定义一个 __lt__() 方法就足以进行排序，但 PEP 8 建议实现所有六个富比较运算符 (__lt__, __le__, __eq__, __ne__, __gt__, __ge__)。这将有助于避免在与其他排序工具（如 max()）使用相同的数据时出现错误，因为这些工具依赖于不同的底层方法。实现所有六个比较运算符也有助于避免混合类型比较的混乱，因为混合类型比较可以调用反射到 __gt__() 的方法。

进阶用法

  • 使用 functools.cmp_to_key(): 如果你有一个老式的比较函数（cmp 函数），可以使用 functools.cmp_to_key() 将其转换为 key 函数，以便与 sorted() 一起使用。
from functools import cmp_to_keydef compare(x, y):if x < y:return -1elif x > y:return 1else:return 0sorted_list = sorted([5, 2, 3, 1, 4], key=cmp_to_key(compare))
print(sorted_list)  # 输出: [1, 2, 3, 4, 5]

参考资料

  • PEP 8 - Python 代码风格指南（https://peps.python.org/pep-0008/）
  • 排序指南（https://docs.python.org/zh-cn/3/howto/sorting.html）

记忆策略


函数名的含义：
sorted 是 sort 的过去分词形式，表示“已排序的”。这一点暗示了这个函数的作用是返回一个排序后的新列表。

常用场景

示例1：基本排序

# 原始列表包含未排序的数字
numbers = [4, 2, 9, 1, 5, 6]# 使用 sorted() 对列表进行排序，返回一个新的已排序列表
sorted_numbers = sorted(numbers)# 输出排序后的新列表
print(sorted_numbers)  # 输出: [1, 2, 4, 5, 6, 9]

示例2：逆序排序

# 原始列表包含未排序的数字
numbers = [4, 2, 9, 1, 5, 6]# 使用 sorted() 并设置 reverse=True 对列表进行逆序排序
sorted_numbers_desc = sorted(numbers, reverse=True)# 输出逆序排序后的新列表
print(sorted_numbers_desc)  # 输出: [9, 6, 5, 4, 2, 1]

示例3：根据字符串长度排序

# 原始列表包含不同长度的字符串
words = ["apple", "banana", "cherry", "date"]# 使用 sorted() 并设置 key 参数为 len 函数，对字符串长度进行排序
sorted_by_length = sorted(words, key=len)# 输出按长度排序后的新列表
print(sorted_by_length)  # 输出: ['date', 'apple', 'banana', 'cherry']

示例4：对包含字典的列表进行排序

# 原始列表包含字典，每个字典代表一个人及其年龄
people = [{"name": "John", "age": 25},{"name": "Jane", "age": 22},{"name": "Dave", "age": 30}
]# 使用 sorted() 并设置 key 参数为一个 lambda 函数，按年龄进行排序
sorted_by_age = sorted(people, key=lambda person: person["age"])# 输出按年龄排序后的新列表
print(sorted_by_age)
# 输出: [{'name': 'Jane', 'age': 22}, {'name': 'John', 'age': 25}, {'name': 'Dave', 'age': 30}]

示例5：多重排序（先按部门，再按薪资）

# 原始列表包含字典，每个字典代表一个员工及其部门和薪资
employees = [{"name": "John", "department": "HR", "salary": 5000},{"name": "Jane", "department": "Engineering", "salary": 7000},{"name": "Dave", "department": "HR", "salary": 6000},{"name": "Anna", "department": "Engineering", "salary": 6500}
]# 使用 sorted() 进行多重排序，先按部门排序，再按薪资排序
sorted_employees = sorted(employees, key=lambda emp: (emp["department"], emp["salary"]))# 输出按部门和薪资排序后的新列表
print(sorted_employees)
# 输出:
# [{'name': 'Anna', 'department': 'Engineering', 'salary': 6500},
#  {'name': 'Jane', 'department': 'Engineering', 'salary': 7000},
#  {'name': 'John', 'department': 'HR', 'salary': 5000},
#  {'name': 'Dave', 'department': 'HR', 'salary': 6000}]

示例6：对元组列表进行排序

# 原始列表包含元组，每个元组代表一个学生及其分数
students = [("John", 88),("Jane", 92),("Dave", 85)
]# 使用 sorted() 并设置 key 参数为一个 lambda 函数，按分数进行排序
sorted_by_score = sorted(students, key=lambda student: student[1])# 输出按分数排序后的新列表
print(sorted_by_score)
# 输出: [('Dave', 85), ('John', 88), ('Jane', 92)]

示例7：排序包含混合大小写字符串的列表

# 原始列表包含混合大小写的字符串
words = ["banana", "Apple", "cherry", "Date"]# 使用 sorted() 并设置 key 参数为 str.lower，对字符串进行不区分大小写的排序
sorted_case_insensitive = sorted(words, key=str.lower)# 输出按不区分大小写排序后的新列表
print(sorted_case_insensitive)  # 输出: ['Apple', 'banana', 'cherry', 'Date']

巧妙用法

sorted() 函数在 Python 中不仅仅是一个简单的排序工具，还可以通过一些巧妙的使用技巧来实现更复杂的操作。以下是一些一般人可能想不到的使用技巧，它们展示了 sorted() 函数的强大和灵活性：

技巧1：排序自定义对象列表

可以通过 sorted() 函数和自定义的 key 函数对自定义对象列表进行排序。

# 定义一个自定义类
class Person:def __init__(self, name, age):self.name = nameself.age = agedef __repr__(self):return f"{self.name} ({self.age})"# 创建一个 Person 对象的列表
people = [Person("John", 25), Person("Jane", 22), Person("Dave", 30)]# 使用 sorted() 对 Person 对象列表按年龄进行排序
sorted_people = sorted(people, key=lambda person: person.age)# 输出排序后的 Person 对象列表
print(sorted_people)  # 输出: [Jane (22), John (25), Dave (30)]

技巧2：按多个条件进行复杂排序

可以使用多个 key 条件来对数据进行复杂排序，例如先按一个条件排序，再按另一个条件排序。

# 原始列表包含字典，每个字典代表一个员工及其部门和薪资
employees = [{"name": "John", "department": "HR", "salary": 5000},{"name": "Jane", "department": "Engineering", "salary": 7000},{"name": "Dave", "department": "HR", "salary": 6000},{"name": "Anna", "department": "Engineering", "salary": 6500}
]# 使用 sorted() 进行多重排序，先按部门排序，再按薪资排序
sorted_employees = sorted(employees, key=lambda emp: (emp["department"], emp["salary"]))# 输出按部门和薪资排序后的新列表
print(sorted_employees)
# 输出:
# [{'name': 'Anna', 'department': 'Engineering', 'salary': 6500},
#  {'name': 'Jane', 'department': 'Engineering', 'salary': 7000},
#  {'name': 'John', 'department': 'HR', 'salary': 5000},
#  {'name': 'Dave', 'department': 'HR', 'salary': 6000}]

技巧3：对嵌套结构进行排序

可以通过 sorted() 对嵌套的数据结构（例如列表中的列表或字典中的字典）进行排序。

# 原始列表包含嵌套的列表，每个子列表代表一个人的信息
nested_list = [["John", {"age": 25}],["Jane", {"age": 22}],["Dave", {"age": 30}]
]# 使用 sorted() 并设置 key 参数为一个 lambda 函数，对嵌套的 age 进行排序
sorted_nested_list = sorted(nested_list, key=lambda item: item[1]["age"])# 输出按年龄排序后的嵌套列表
print(sorted_nested_list)
# 输出: [['Jane', {'age': 22}], ['John', {'age': 25}], ['Dave', {'age': 30}]]

技巧4：使用 sorted() 进行字符串排列组合

可以使用 sorted() 函数对字符串中的字符进行排序，从而生成所有字符的排列组合。

# 原始字符串
s = "python"# 将字符串转换为字符列表并使用 sorted() 进行排序
sorted_chars = sorted(s)# 将排序后的字符列表重新组合成字符串
sorted_string = ''.join(sorted_chars)# 输出排序后的字符串
print(sorted_string)  # 输出: 'hnopty'

技巧5：根据条件过滤并排序

可以结合列表解析和 sorted() 函数，根据特定条件对数据进行过滤并排序。

# 原始列表包含未排序的数字
numbers = [4, 2, 9, 1, 5, 6, 10, 3]# 使用列表解析和 sorted() 对大于 5 的数字进行排序
sorted_filtered_numbers = sorted([n for n in numbers if n > 5])# 输出过滤并排序后的新列表
print(sorted_filtered_numbers)  # 输出: [6, 9, 10]

技巧6：自定义排序顺序（非标准排序）

可以通过自定义的排序顺序来对数据进行排序，例如按特定规则对字符串排序。

# 自定义的排序顺序
order = {'low': 0, 'medium': 1, 'high': 2}# 原始列表包含不同优先级的字符串
priority = ["medium", "high", "low", "medium", "low", "high"]# 使用 sorted() 并设置 key 参数为查找自定义排序顺序的值进行排序
sorted_priority = sorted(priority, key=lambda x: order[x])# 输出按自定义顺序排序后的新列表
print(sorted_priority)  # 输出: ['low', 'low', 'medium', 'medium', 'high', 'high']

这些技巧展示了 sorted() 函数的灵活性和强大功能，通过巧妙的使用，可以实现许多复杂的数据排序任务。

综合技巧

结合 sorted() 函数和其他函数或方法，可以实现一些非常巧妙和复杂的操作。以下是几个非常巧妙的组合用法示例：

技巧1：结合 sorted() 和 zip()对多个列表进行同步排序

当有多个相关联的列表时，可以使用 zip() 将它们合并，然后使用 sorted() 进行同步排序，最后再解压缩回来。

# 原始列表
names = ["John", "Jane", "Dave"]
ages = [25, 22, 30]
salaries = [5000, 7000, 6000]# 使用 zip() 将多个列表合并成一个列表的元组
combined = list(zip(names, ages, salaries))# 使用 sorted() 对合并后的列表按年龄进行排序
sorted_combined = sorted(combined, key=lambda x: x[1])# 使用 zip(*iterable) 解压缩回多个列表
sorted_names, sorted_ages, sorted_salaries = zip(*sorted_combined)# 输出排序后的结果
print(sorted_names)      # 输出: ('Jane', 'John', 'Dave')
print(sorted_ages)       # 输出: (22, 25, 30)
print(sorted_salaries)   # 输出: (7000, 5000, 6000)

技巧2：结合 sorted() 和 itertools.groupby() 对数据进行分组

可以使用 sorted() 函数对数据进行排序，然后使用 itertools.groupby() 对数据进行分组。

import itertools# 原始列表包含字典，每个字典代表一个员工及其部门和薪资
employees = [{"name": "John", "department": "HR", "salary": 5000},{"name": "Jane", "department": "Engineering", "salary": 7000},{"name": "Dave", "department": "HR", "salary": 6000},{"name": "Anna", "department": "Engineering", "salary": 6500}
]# 使用 sorted() 按部门排序
sorted_employees = sorted(employees, key=lambda x: x['department'])# 使用 itertools.groupby() 对排序后的结果按部门进行分组
grouped_employees = itertools.groupby(sorted_employees, key=lambda x: x['department'])# 输出分组后的结果
for department, group in grouped_employees:print(department)for employee in group:print(employee)
# 输出:
# Engineering
# {'name': 'Jane', 'department': 'Engineering', 'salary': 7000}
# {'name': 'Anna', 'department': 'Engineering', 'salary': 6500}
# HR
# {'name': 'John', 'department': 'HR', 'salary': 5000}
# {'name': 'Dave', 'department': 'HR', 'salary': 6000}

技巧3：结合 sorted() 和 enumarate() 对带索引的数据进行排序

可以使用 sorted() 函数结合 enumerate() 对带有索引的数据进行排序。

# 原始列表包含未排序的数字
numbers = [4, 2, 9, 1, 5, 6]# 使用 enumerate() 为每个元素添加索引，然后使用 sorted() 按值进行排序
sorted_with_index = sorted(enumerate(numbers), key=lambda x: x[1])# 输出排序后的结果，包含原始索引
print(sorted_with_index)
# 输出: [(3, 1), (1, 2), (0, 4), (4, 5), (5, 6), (2, 9)]

技巧4：结合 sorted() 和 set() 对集合进行排序

可以使用 sorted() 函数对集合（set）进行排序，因为集合是无序的。

# 原始集合包含未排序的数字
numbers_set = {4, 2, 9, 1, 5, 6}# 使用 sorted() 对集合进行排序，返回一个列表
sorted_numbers = sorted(numbers_set)# 输出排序后的列表
print(sorted_numbers)  # 输出: [1, 2, 4, 5, 6, 9]

技巧5：结合 sorted() 和 pandas 库对数据框进行排序

如果使用 pandas 库处理数据，可以结合 sorted() 函数对数据框进行排序。

import pandas as pd# 创建一个 DataFrame
data = {'name': ['John', 'Jane', 'Dave', 'Anna'],'age': [25, 22, 30, 28]
}
df = pd.DataFrame(data)# 使用 sorted() 对 DataFrame 按年龄排序
sorted_df = df.loc[sorted(df.index, key=lambda x: df.loc[x, 'age'])]# 输出排序后的 DataFrame
print(sorted_df)
# 输出:
#    name  age
# 1  Jane   22
# 0  John   25
# 3  Anna   28
# 2  Dave   30

技巧6：结合 sorted() 和 functools.cmp_to_key() 实现自定义复杂排序

可以使用 functools.cmp_to_key() 函数将自定义比较函数转换为 sorted() 函数可接受的 key 函数，从而实现复杂的自定义排序。

from functools import cmp_to_key# 自定义比较函数
def compare(a, b):# 按绝对值大小进行比较return abs(a) - abs(b)# 原始列表包含正负数
numbers = [4, -2, -9, 1, -5, 6]# 使用 sorted() 和 cmp_to_key() 对列表按绝对值进行排序
sorted_numbers = sorted(numbers, key=cmp_to_key(compare))# 输出排序后的列表
print(sorted_numbers)  # 输出: [1, -2, 4, -5, 6, -9]

这些巧妙的组合用法展示了 sorted() 函数在与其他函数和方法结合使用时的强大功能。通过这些技巧，可以实现更加复杂和灵活的数据操作。

感谢。

这篇关于Python-3.12.0文档解读-内置函数sorted()详细说明+记忆策略+常用场景+巧妙用法+综合技巧的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1022566。

相关文章

将Mybatis升级为Mybatis-Plus的详细过程

将Mybatis升级为Mybatis-Plus的详细过程

《将Mybatis升级为Mybatis-Plus的详细过程》本文详细介绍了在若依管理系统（v3.8.8）中将MyBatis升级为MyBatis-Plus的过程,旨在提升开发效率,通过本文,开发者可实现... 目录说明流程增加依赖修改配置文件注释掉MyBATisConfig里面的Bean代码生成使用IDEA生
阅读更多...
Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整
阅读更多...
Python Websockets库的使用指南

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.
阅读更多...
Linux系统配置NAT网络模式的详细步骤(附图文)

Linux系统配置NAT网络模式的详细步骤(附图文)

《Linux系统配置NAT网络模式的详细步骤(附图文)》本文详细指导如何在VMware环境下配置NAT网络模式,包括设置主机和虚拟机的IP地址、网关,以及针对Linux和Windows系统的具体步骤,... 目录一、配置NAT网络模式二、设置虚拟机交换机网关2.1 打开虚拟机2.2 管理员授权2.3 设置子
阅读更多...
揭秘Python Socket网络编程的7种硬核用法

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器：探测开放端口2.简易 HTTP 服务器：10 秒搭个网页3.局域网游戏：多人联机对战4.
阅读更多...
使用Python实现快速搭建本地HTTP服务器

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》：本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.
阅读更多...
使用C#代码在PDF文档中添加、删除和替换图片

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当
阅读更多...
详解C#如何提取PDF文档中的图片

详解C#如何提取PDF文档中的图片

《详解C#如何提取PDF文档中的图片》提取图片可以将这些图像资源进行单独保存,方便后续在不同的项目中使用,下面我们就来看看如何使用C#通过代码从PDF文档中提取图片吧... 当 PDF 文件中包含有价值的图片，如艺术画作、设计素材、报告图表等，提取图片可以将这些图像资源进行单独保存，方便后续在不同的项目中使
阅读更多...
Linux系统中卸载与安装JDK的详细教程

Linux系统中卸载与安装JDK的详细教程

《Linux系统中卸载与安装JDK的详细教程》本文详细介绍了如何在Linux系统中通过Xshell和Xftp工具连接与传输文件,然后进行JDK的安装与卸载,安装步骤包括连接Linux、传输JDK安装包... 目录1、卸载1.1 linux删除自带的JDK1.2 Linux上卸载自己安装的JDK2、安装2.1
阅读更多...
Kotlin 作用域函数apply、let、run、with、also使用指南

Kotlin 作用域函数apply、let、run、with、also使用指南

《Kotlin作用域函数apply、let、run、with、also使用指南》在Kotlin开发中,作用域函数（ScopeFunctions）是一组能让代码更简洁、更函数式的高阶函数,本文将... 目录一、引言：为什么需要作用域函数？二、作用域函China编程数详解1. apply：对象配置的 “流式构建器”最
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2