Python利用key參數(shù)進行列表排序
在Python編程中，列表排序是高頻操作。無論是處理用戶輸入的數(shù)據(jù)、分析日志文件，還是實現(xiàn)算法邏輯，排序都能讓數(shù)據(jù)更有序、更易處理。但當列表包含混合類型元素，或需要按特定規(guī)則排序時，直接調(diào)用sort()或sorted()可能會報錯或得不到預期結(jié)果。這時，key參數(shù)就是解決問題的關(guān)鍵——它能自定義排序規(guī)則，讓排序邏輯更靈活。
一、基礎(chǔ)排序：默認規(guī)則的局限性
1.1 默認排序的“陷阱”
Python的列表排序默認按元素自然順序排列。對數(shù)字列表[3, 1, 4, 2]，list.sort()或sorted()會按數(shù)值大小升序排列；對字符串列表['banana', 'apple', 'cherry']，則按字母順序排列。但若列表包含混合類型，如['oeasy', 123]，直接排序會觸發(fā)TypeError，因為Python無法比較字符串和整數(shù)。
lst = ['oeasy', 123] lst.sort() # 報錯：TypeError: '<' not supported between instances of 'int' and 'str'
1.2 強制類型轉(zhuǎn)換的“笨辦法”
為解決混合類型排序問題，可先將所有元素轉(zhuǎn)為同一類型（如字符串），再排序。例如：
lst = ['oeasy', 123] lst.sort(key=str) # 將所有元素轉(zhuǎn)為字符串后比較 print(lst) # 輸出：['123', 'oeasy']（因為 '123' < 'oeasy'）
但這種方法并非萬能。若嘗試將字符串轉(zhuǎn)為整數(shù)（如['999', '123']轉(zhuǎn)為[999, 123]后排序），對無法轉(zhuǎn)換的字符串（如['oeasy', '123']）會報錯。因此，強制類型轉(zhuǎn)換僅適用于能安全轉(zhuǎn)換的場景。
二、key參數(shù)：自定義排序的“魔法棒”
2.1 key參數(shù)的作用原理
key參數(shù)接受一個函數(shù)，該函數(shù)會對列表中的每個元素進行處理，返回一個用于比較的值。排序時，Python會根據(jù)key函數(shù)返回的值而非元素本身進行比較。例如，按字符串長度排序時，key=len會讓Python比較字符串長度而非字母順序。
words = ['apple', 'banana', 'cherry', 'date'] words.sort(key=len) print(words) # 輸出：['date', 'apple', 'banana', 'cherry']（長度3 < 5 < 6）
2.2 常見場景：按特定規(guī)則排序
場景1：忽略大小寫排序
默認字符串排序區(qū)分大小寫（大寫字母排在小寫字母前）。若需忽略大小寫，可用str.lower作為key函數(shù)：
words = ['Banana', 'apple', 'Cherry', 'date'] words.sort(key=str.lower) print(words) # 輸出：['apple', 'Banana', 'Cherry', 'date']
場景2：按字典的某個鍵排序
對包含字典的列表，可通過key指定排序依據(jù)的鍵。例如，按字典的'age'鍵升序排序：
data = [ {'name': 'Alice', 'age': 25}, {'name': 'Bob', 'age': 30}, {'name': 'Charlie', 'age': 20}]
sorted_data = sorted(data, key=lambda x: x['age'])
print(sorted_data)
# 輸出：[{'name': 'Charlie', 'age': 20}, {'name': 'Alice', 'age': 25}, {'name': 'Bob', 'age': 30}]
場景3：按多條件排序
若需先按一個條件排序，再按另一個條件排序，可讓key函數(shù)返回元組。例如，先按年齡升序，再按姓名字母順序排序：
data = [ {'name': 'Alice', 'age': 25}, {'name': 'Bob', 'age': 30}, {'name': 'Charlie', 'age': 25}]
sorted_data = sorted(data, key=lambda x: (x['age'], x['name']))
print(sorted_data)
# 輸出：[{'name': 'Alice', 'age': 25}, {'name': 'Charlie', 'age': 25}, {'name': 'Bob', 'age': 30}]
場景4：按對象屬性排序
對自定義類的對象列表，可通過key指定排序依據(jù)的屬性。例如：
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
def __repr__(self):
return f"{self.name}({self.age})"
people = [Person('Alice', 25), Person('Bob', 22), Person('Charlie', 24)]
sorted_people = sorted(people, key=lambda p: p.age)
print(sorted_people) # 輸出：[Bob(22), Charlie(24), Alice(25)]
2.3 高級技巧：自定義函數(shù)與operator模塊
自定義函數(shù)作為key
若排序邏輯復雜，可定義獨立函數(shù)作為key。例如，按字典的'age'鍵加權(quán)排序：
def custom_key(item):
return item['age'] * 2 + len(item['name']) # 年齡乘2加姓名長度
data = [
{'name': 'Alice', 'age': 25},
{'name': 'Bob', 'age': 30},
{'name': 'Charlie', 'age': 20}
]
sorted_data = sorted(data, key=custom_key)
print(sorted_data)
# 輸出：[{'name': 'Charlie', 'age': 20}, {'name': 'Alice', 'age': 25}, {'name': 'Bob', 'age': 30}]
使用operator模塊
Python的operator模塊提供了itemgetter和attrgetter函數(shù)，可簡化key函數(shù)的編寫。例如，按字典的'score'鍵排序：
import operator
data = [
{'name': 'Alice', 'score': 88},
{'name': 'Bob', 'score': 92},
{'name': 'Charlie', 'score': 85}
]
sorted_data = sorted(data, key=operator.itemgetter('score'))
print(sorted_data)
# 輸出：[{'name': 'Charlie', 'score': 85}, {'name': 'Alice', 'score': 88}, {'name': 'Bob', 'score': 92}]
對對象列表，可用attrgetter按屬性排序：
import operator
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
def __repr__(self):
return f"{self.name}({self.age})"
people = [Person('Alice', 25), Person('Bob', 22), Person('Charlie', 24)]
sorted_people = sorted(people, key=operator.attrgetter('age'))
print(sorted_people) # 輸出：[Bob(22), Charlie(24), Alice(25)]
三、sort()與sorted()：選擇合適的排序工具
3.1 原地排序 vs 創(chuàng)建新列表
list.sort()是列表方法，直接修改原列表，返回None。適用于無需保留原始順序的場景，如數(shù)據(jù)預處理。sorted()是內(nèi)置函數(shù)，返回新排序列表，原列表不變。適用于需保留原始數(shù)據(jù)的場景，如展示排序結(jié)果后繼續(xù)分析原數(shù)據(jù)。
numbers = [3, 1, 4, 2] sorted_numbers = sorted(numbers) # 返回新列表 print(numbers) # 輸出：[3, 1, 4, 2]（原列表未變） print(sorted_numbers) # 輸出：[1, 2, 3, 4] numbers.sort() # 原地排序 print(numbers) # 輸出：[1, 2, 3, 4]（原列表已變）
3.2 性能與內(nèi)存考慮
list.sort()因原地操作，無需創(chuàng)建新列表，內(nèi)存效率更高，適合處理大型列表。sorted()需創(chuàng)建新列表，內(nèi)存開銷略大，但代碼更安全（避免意外修改原數(shù)據(jù)）。
四、實戰(zhàn)案例：key參數(shù)的靈活應用
案例1：按文件擴展名排序
假設(shè)有一個文件列表，需按擴展名排序：
files = ['document.pdf', 'image.png', 'spreadsheet.xlsx', 'notes.txt']
def get_extension(filename):
return filename.split('.')[-1] # 提取擴展名
sorted_files = sorted(files, key=get_extension)
print(sorted_files)
# 輸出：['document.pdf', 'image.png', 'notes.txt', 'spreadsheet.xlsx']（按擴展名字母順序）
案例2：按元組中元素優(yōu)先級排序
對包含元組的列表，需先按第二個元素排序，再按第一個元素排序：
tuples = [('a', 3), ('b', 1), ('c', 2), ('d', 1)]
sorted_tuples = sorted(tuples, key=lambda x: (x[1], x[0]))
print(sorted_tuples)
# 輸出：[('b', 1), ('d', 1), ('c', 2), ('a', 3)]（先按第二個元素升序，再按第一個元素字母順序）
案例3：復雜邏輯排序
假設(shè)需按以下規(guī)則排序：先按字符串長度降序，長度相同則按字母順序升序：
words = ['apple', 'banana', 'cherry', 'date', 'fig'] sorted_words = sorted(words, key=lambda x: (-len(x), x)) # 長度取負實現(xiàn)降序 print(sorted_words) # 輸出：['banana', 'cherry', 'apple', 'date', 'fig']（長度6 > 5 > 3，長度5的'apple' < 'cherry'）
五、總結(jié)：key參數(shù)的“核心價值”
- 靈活性：通過自定義
key函數(shù)，可實現(xiàn)任意復雜的排序邏輯，如按對象屬性、字典鍵、計算結(jié)果等排序。 - 通用性：適用于
list.sort()和sorted()，覆蓋原地排序和創(chuàng)建新列表的需求。 - 可讀性：結(jié)合lambda表達式或
operator模塊，代碼簡潔易讀，避免冗長的比較函數(shù)。
掌握key參數(shù)后，Python列表排序?qū)⒉辉偈芟抻谀J規(guī)則。無論是處理混合類型數(shù)據(jù)、多條件排序，還是復雜邏輯排序，key都能讓排序變得簡單高效。
到此這篇關(guān)于Python利用key參數(shù)進行列表排序的文章就介紹到這了,更多相關(guān)Python列表排序內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Matplotlib是一個Python工具箱,用于科學計算的數(shù)據(jù)可視化,下面這篇文章主要給大家介紹了關(guān)于如何使用python?matplotlib畫折線圖的相關(guān)資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-04-04
python標準算法實現(xiàn)數(shù)組全排列的方法
這篇文章主要介紹了python標準算法實現(xiàn)數(shù)組全排列的方法,實例分析了全排列的原理與Python實現(xiàn)技巧,需要的朋友可以參考下2015-03-03
這篇文章主要介紹了Django+boostrap 美化admin后臺的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
這篇文章主要介紹了Python安裝以及Pycharm安裝使用教程,本文圖文并茂給大家介紹的非常詳細，具有一定的參考借鑒價值，需要的朋友可以參考下2019-09-09
PyTorch中torch.nn.functional.cosine_similarity使用詳解
在pytorch中可以使用torch.cosine_similarity函數(shù)對兩個向量或者張量計算余弦相似度,這篇文章主要給大家介紹了關(guān)于PyTorch中torch.nn.functional.cosine_similarity使用的相關(guān)資料,需要的朋友可以參考下2022-03-03
Pandas如何對Categorical類型字段數(shù)據(jù)統(tǒng)計實戰(zhàn)案例
這篇文章主要介紹了Pandas如何對Categorical類型字段數(shù)據(jù)統(tǒng)計實戰(zhàn)案例，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-08-08
在 Python 的世界里,if 和 else 通常被視為基礎(chǔ)搭檔,本文深入解析了Python中else塊的隱藏用法,突破了傳統(tǒng)if-else的局限,感興趣的小伙伴可以參考下2026-05-05
Python 是一個高層次的結(jié)合了解釋性、編譯性、互動性和面向?qū)ο蟮哪_本語言,本文給大家介紹Python 文件常數(shù)引用問題小結(jié),感興趣的朋友跟隨小編一起看看吧2025-10-10
本文旨在給大家使用 TensorFlow 庫讀取 CSV 文件,并將其數(shù)據(jù)以批次的形式進行處理和展示,通過該實驗,我們希望掌握 TensorFlow 中 tf.data.TextLineDataset 的使用方法,以及如何解析 CSV 數(shù)據(jù)并進行批量處理,需要的朋友可以參考下2025-03-03
這篇文章主要介紹了使用Python壓縮和解壓縮zip文件的教程,主要用到了zipfile包,需要的朋友可以參考下2015-05-05