用 Python 排序数据的多种方法

【Python HOWTOs系列】排序

Author: Andrew Dalke and Raymond Hettinger
Release: 0.1

Python 列表有内置就地排序的方法 list.sort(),此外还有一个内置的 sorted() 函数将一个可迭代对象(iterable)排序为一个新的有序列表。

本文我们将去探索用 Python 做数据排序的多种方法。

排序基础

简单的升序排序非常容易:只需调用 sorted() 函数,就得到一个有序的新列表:

你也可以使用 list.sort() 方法,此方法为就地排序(并且返回 None 来避免混淆)。通常来说这不如 sorted() 方便——但是当你不需要保留原始列表的时候,这种方式略高效一些。

另外一个区别是 list.sort() 方法只可以供列表使用,而 sorted() 函数可以接受任意可迭代对象(iterable)。

Key 函数

list.sort() 和 sorted() 都有一个 key 参数,用于指定在作比较之前,调用何种函数对列表元素进行处理。 For example, here’s a case-insensitive string comparison: 例如,忽略大小写的字符串比较:

key 参数的值应该是一个函数,该函数接收一个参数,并且返回一个 key 为排序时所用。这种方法速度很快,因为每个输入项仅调用一次 key 函数。

一种常见模式是使用对象的下标作为 key 来排序复杂对象。例如:

同样的技巧也可以用在带有命名属性(named attributes)的对象上。例如:

上述的 key 函数模式是非常常见的,所以 Python 提供了一些更简单快速的访问属性的函数。operator 模块有 itemgetter()、attrgetter() 和 methodcaller() 函数。 Using those functions, the above examples become simpler and faster: 使用这些函数,可以使上述的示例更加简洁高效:

operator 模块方法允许多级排序。例如,可以先按 grade 排序,然后再按 age 排序:

list.sort() 和 sorted() 都有布尔型的 reverse 参数,用来指定是否降序。例如,按 age 的降序来对学生数据进行排序:

排序是保证为稳定的,也就是说,当多条记录拥有相同的 key 时,原始的顺序会被保留下来。

注意到两条 blue 记录保持了原来的顺序, 所以 (‘blue’, 1) 一定在 (‘blue’, 2) 之前。

这个非常棒的属性允许你通过一系列排序来进行复杂排序。例如,学生数据先按 grade 升序,然后按 age 降序,优先排序 age,然后再按 grade 排序:

Python 使用的 Timsort 算法由于可以有效利用数据集中已有的顺序,因而可以高效地进行多级排序。

使用 Decorate-Sort-Undecorate 的旧方法

Decorate-Sort-Undecorate 的名称来源于这种方法的三个步骤:

  • 第一步,初始的列表进行转换,获得用于排序的新值。
  • 第二步,将转换为新值的列表进行排序。
  • 最后,还原数据并得到一个排序后仅包含原始值的列表。

例如,使用 DSU(译注:Decorate-Sort-Undecorate的简写)方法,按 grade 来排序学生数据:

这一方法利用了元组按字典序 (lexicographically) 比较的特性;先比较第一项;如果第一项相同,则比较第二项,以此类推。

在很多情况下是不需要在处理后的列表(decorated list)包含原始下标 i,但是包含原始下标有两个好处:

  • 排序是稳定的——如果有两项有相同的 key,排序后的列表会保留他们的顺序。
  • 原始项不需要是可比较的,因为处理后的元组最多使用前面两项就可以决定排序。例如,原始列表中包含无法直接比较的复数。

这个方法还有另外一个名字,是以 Randal L. Schwartz 的名字来命名的 Schwartzian 变换,因为他使得这个变换在 Perl 程序员中得以流行。

在 Python 排序提供 key 函数之后,这个技巧已经不常用了。

使用 cmp 参数的旧方法

本篇指南中给出的方法都假设 Python 2.4 或更新版本。在 2.4 之前,sorted() 和 list.sort() 是没有 key 参数的。但是,在所有的 Py2.x 版本都支持 cmp 参数来处理用户自定义排序函数。

在 Py3.0 中,cmp 参数已经被完全移除(作为简化和统一语言的一部分,去除排序和 cmp() 魔法方法之间的冲突)。

在 Py2.x 中,sort 允许传入一个可选函数,会在进行比较的时候调用。函数必须接受两个参数进行比较,然后返回负数表示小于,返回 0 表示相等,返回正数表示大于。例如,我们可以这样:

或者你也可以反转比较顺序:

当从 Python 2.x 移植代码到 3.x 时,可能会出现需要将用户提供的排序函数转换为 key 函数的情况。下面的包装器可以轻松做到:

转换为 key 函数,仅需要包装旧的比较函数即可:

在 Python 3.2 中,functools.cmp_to_key() 函数已经添加到标准库的 functools 模块中。

其他要点

  • 针对时区相关排序,使用 locale.strxfrm() 作为 key 函数,或者使用 locale.strcoll() 作为比较函数。
  • reverse 参数仍然保持排序稳定性(以便相同 key 的项保留原顺序)。有趣的是,无需传入参数,通过两次调用内置的 reversed() 函数,可以模拟出相同的效果:
  • 在两个对象进行比较时,sort 使用的是 lt() 方法。所以,只需要为类添加 lt() 方法,就可以为类加入排序顺序:
  • key 函数不需要直接依赖于排序的对象。key 函数可以访问外部资源。例如,如果学生的成绩保存在字典中,字典中的数据可以给单独的一个学生名字排序:
1 5 收藏 评论

关于作者:武佳斌

Python Programmer 个人主页 · 我的文章 · 10 ·      

相关文章

可能感兴趣的话题



直接登录
跳到底部
返回顶部