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

基于Linux的ffmpeg python的关键帧抽取

基于Linux的ffmpeg python的关键帧抽取

《基于Linux的ffmpegpython的关键帧抽取》本文主要介绍了基于Linux的ffmpegpython的关键帧抽取,实现以按帧或时间间隔抽取关键帧,文中通过示例代码介绍的非常详细,对大家的学... 目录1.FFmpeg的环境配置1) 创建一个虚拟环境envjavascript2) ffmpeg-py
阅读更多...
python使用库爬取m3u8文件的示例

python使用库爬取m3u8文件的示例

《python使用库爬取m3u8文件的示例》本文主要介绍了python使用库爬取m3u8文件的示例,可以使用requests、m3u8、ffmpeg等库,实现获取、解析、下载视频片段并合并等步骤,具有... 目录一、准备工作二、获取m3u8文件内容三、解析m3u8文件四、下载视频片段五、合并视频片段六、错误
阅读更多...
Python中提取文件名扩展名的多种方法实现

Python中提取文件名扩展名的多种方法实现

《Python中提取文件名扩展名的多种方法实现》在Python编程中,经常会遇到需要从文件名中提取扩展名的场景,Python提供了多种方法来实现这一功能,不同方法适用于不同的场景和需求,包括os.pa... 目录技术背景实现步骤方法一：使用os.path.splitext方法二：使用pathlib模块方法三
阅读更多...
Python打印对象所有属性和值的方法小结

Python打印对象所有属性和值的方法小结

《Python打印对象所有属性和值的方法小结》在Python开发过程中,调试代码时经常需要查看对象的当前状态,也就是对象的所有属性和对应的值,然而,Python并没有像PHP的print_r那样直接提... 目录python中打印对象所有属性和值的方法实现步骤1. 使用vars()和pprint()2. 使
阅读更多...
CSS place-items: center解析与用法详解

CSS place-items: center解析与用法详解

《CSSplace-items:center解析与用法详解》place-items:center;是一个强大的CSS简写属性，用于同时控制网格(Grid)和弹性盒(Flexbox)... place-items: center; 是一个强大的 css 简写属性，用于同时控制 网格(Grid) 和 弹性盒(F
阅读更多...
CSS中的Static、Relative、Absolute、Fixed、Sticky的应用与详细对比

CSS中的Static、Relative、Absolute、Fixed、Sticky的应用与详细对比

《CSS中的Static、Relative、Absolute、Fixed、Sticky的应用与详细对比》CSS中的position属性用于控制元素的定位方式，不同的定位方式会影响元素在页面中的布... css 中的 position 属性用于控制元素的定位方式，不同的定位方式会影响元素在页面中的布局和层叠关
阅读更多...
gitlab安装及邮箱配置和常用使用方式

gitlab安装及邮箱配置和常用使用方式

《gitlab安装及邮箱配置和常用使用方式》：本文主要介绍gitlab安装及邮箱配置和常用使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1.安装GitLab2.配置GitLab邮件服务3.GitLab的账号注册邮箱验证及其分组4.gitlab分支和标签的
阅读更多...
在Windows上使用qemu安装ubuntu24.04服务器的详细指南

在Windows上使用qemu安装ubuntu24.04服务器的详细指南

《在Windows上使用qemu安装ubuntu24.04服务器的详细指南》本文介绍了在Windows上使用QEMU安装Ubuntu24.04的全流程：安装QEMU、准备ISO镜像、创建虚拟磁盘、配置... 目录1. 安装QEMU环境2. 准备Ubuntu 24.04镜像3. 启动QEMU安装Ubuntu4
阅读更多...
mysql中insert into的基本用法和一些示例

mysql中insert into的基本用法和一些示例

《mysql中insertinto的基本用法和一些示例》INSERTINTO用于向MySQL表插入新行,支持单行/多行及部分列插入,下面给大家介绍mysql中insertinto的基本用法和一些示例... 目录基本语法插入单行数据插入多行数据插入部分列的数据插入默认值注意事项在mysql中，INSERT I
阅读更多...
使用Python和OpenCV库实现实时颜色识别系统

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》：本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色（红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2