Python函数sort()与sorted()的区别及key=lambda x:x[]的理解
Python sort()与sorted()区别及key=lambda x:x[]的理解
实务中，我们经常需要将数据排序，Python 内置函数 sorted() 及列表操作函数 sort() 均可实现该功能。
二者的完整语法如下：
List.sort(key=None,reverse=False)
key：排序依据，通常为函数名，如 abs、str.lower、str.upper 等；或以函数指定可迭代对象中的某个元素来进行排序。reverse：排序规则，reverse=True 降序， reverse=False 升序（默认）。
sorted(iterable,key=None,reverse=False)
iterable：排序对象，如字符串，列表，元组，字典等可迭代对象。key：排序依据，通常为函数名，如 abs、str.lower、str.upper 等；或以函数指定可迭代对象中的某个元素来进行排序。reverse：排序规则，reverse=True 降序， reverse=False 升序（默认）。
二者的主要区别
是：sort() 是应用在列表上的方法，是对已经存在的列表进行排序操作并覆盖，无返回值；sorted() 则可以对所有可迭代的对象进行排序操作，返回的是一个新的列表，而不是在原来的基础上进行的操作。
>>>ls=[1,4,2,0,8,5,7,6,9,3] >>>ls.sort() >>>ls [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>>ls.sort(reverse=True) >>>ls [9, 8, 7, 6, 5, 4, 3, 2, 1, 0] >>>r=[(2,2),(3,4),(4,1),(1,3)] >>>r.sort() >>>r [(1, 3), (2, 2), (3, 4), (4, 1)] #默认以元组的第0个元素升序排序 >>>r.sort(key=lambda x:x[1]) #若要按元组的非第0个元素排序，则需key >>>r [(4, 1), (2, 2), (1, 3), (3, 4)] >>>ls=[2,-1,5,-8,3] >>>newls=sorted(ls,key=abs) >>>ls [2,-1,5,-8,3] >>>newls [-1, 2, 3, 5, -8] >>> sorted(['apple','Chandlar','bob','Monica']) #按照ASCII升序排序 ['Chandlar', 'Monica', 'apple', 'bob'] >>> sorted(['apple','Chandlar','bob','Monica'],key=str.lower) #把所有字符串变成小写之后再按照ASCII升序排序 ['apple', 'bob', 'Chandlar', 'Monica']
如果要排序的对象比较复杂，难以用单一参数来实现时，则需要引入匿名函数 lambda。
通常而言，Python 自定义函数主要有两种方式，一是 def，二便是 lambda。
- lambda 函数体比 def 简单很多，比较直观。
- lambda 的主体是一个表达式，而不是一个代码块。
- lambda 表达式仅能封装有限的逻辑。
- lambda 函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。
lambda 函数的语法只包含一个语句，如下：
lambda [arg1 [,arg2,.....argn]]:expression
其中 [arg1 [,arg2,.....argn]] 为入口参数，expression 为函数体。
作为函数对象，其也可赋值给一个变量，再利用变量来调用该函数：
>>> g=lambda x:x**2 >>> g <function <lambda> at 0x7f945791e0> >>> g(5) 25
因此，sort() 和sorted() 函数中，key=lambda x:x[] 即表示待排序对象按第多少维度进行排序。
其中 x 可以为任意字母，方括号 [] 内为维数，根据需要设置。
items.sort(key=lambda x:x[1],reverse=True)
items=list(counts.items())#[('a',1),('b',2)...]
items.sort(key=lambda x:x[1],reverse=True)#降序使用python对列表（list）进行排序
python3排序 sorted(key=lambda)
key=lambda 元素: 元素[字段索引]
例如：
想对元素第二个字段排序，则
key=lambda y: y[1]
备注：
这里y可以是任意字母，等同 key=lambda x: x[1]
看几个简单的例子。
listA = [3, 6, 1, 0, 10, 8, 9]#列表
print(sorted(listA))#[0, 1, 3, 6, 8, 9, 10]#默认升序_从小到大
listB = ['g', 'e', 't', 'b', 'a']
print(sorted(listB))#['a', 'b', 'e', 'g', 't']
print(sorted(listB, key=lambda y: y[0]))#['a', 'b', 'e', 'g', 't']
listC = [('e', 4), ('o', 2), ('!', 5), ('v', 3), ('l', 1)]
#由元组构成的列表
print(sorted(listC, key=lambda x: x[1]))
#[('l', 1), ('o', 2), ('v', 3), ('e', 4), ('!', 5)]我们还可以使用reverse参数实现倒序排列
1、max(num, key=lambda x:x[0])语法介绍如下：
key=lambda 元素: 元素[字段索引]
print(max(C, key=lambda x: x[0]))
x:x[]字母可以随意修改，
求最大值方式按照中括号[]里面的维度，
[0]按照第一维，[1]按照第二维。
2、具体代码用法及输出结果如下：
2.1、取第1位元素
num = [(1,2.5), (1.5, 3.2), (1.3, 4.0), (2.2, 1.8)] y,z = max(num, key=lambda x:x[0]) print(y, z)
相当于找4组坐标的第1个数的最大值，显然为2.2，因此结果如下：
2.1、取第2位元素
num = [(1,2.5), (1.5, 3.2), (1.3, 4.0), (2.2, 1.8)] y,z = max(num, key=lambda x:x[1]) print(y, z)
相当于找4组坐标的第2个数的最大值，显然为4.0，因此结果如下：
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了Python 实现进度条的六种方式，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下2021-01-01
这篇文章主要介绍了numpy矩阵数值太多不能全部显示的解决，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
python中用logging实现日志滚动和过期日志删除功能
这篇文章主要介绍了python中用logging实现日志滚动和过期日志删除功能，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-08-08
在构建视频流媒体平台时,用户认证与视频上传是两个至关重要的功能,FastAPI作为一个高效的Web框架,可以轻松处理这些需求,下面我们看看具体实现方法吧2025-04-04
这篇文章主要介绍了python函数调用,循环,列表复制实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
这篇文章主要为大家详细介绍了python代码实现图书管理系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-11-11
这篇文章主要介绍了Python实现微信小程序支付功能 ,本文通过实例代码，流程图给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下2019-07-07
Pyecharts是一个由百度开源的、用于生成Echarts图表的类库，可以用来进行数据可视化分析。本文将详细讲解一下Pyecharts的使用，需要的可以参考一下2022-04-04
这篇文章主要介绍了详解Python并发编程之从性能角度来初探并发编程，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-08-08
利用python计算均值、方差和标准差(Numpy和Pandas)
这篇文章主要给大家介绍了关于利用python计算均值、方差和标准差的相关资料,Numpy在Python中是一个通用的数组处理包,它提供了一个高性能的多维数组对象和用于处理这些数组的工具,它是使用Python进行科学计算的基础包,需要的朋友可以参考下2023-11-11
最新评论