Python中的sort方法、sorted函数与lambda表达式及用法详解

 更新时间:2025年09月26日 14:25:18   作者:秋风、萧瑟  
文章对比了Python中list.sort()与sorted()函数的区别,指出sort()原地排序返回None,sorted()生成新列表,本文结合实例代码给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧

1. sort()方法

1.1 sort()方法

list.sort()最核心、也最需要记住的特点是:它会直接修改原始列表,使其变为有序状态。也就是原地排序。因此,sort()方法的返回值是None。部分初学者可能会将其结果赋值给新变量,这种用法是错误的。正确的用法是无需将其结果赋值给新变量,直接使用被修改后的原列表即可,如下所示:

nums = [3, 1, 4, 1, 5, 9, 2]
nums.sort()
print(nums)

结果如下:

[1, 1, 2, 3, 4, 5, 9]

1.2 基本语法和参数

sort()方法的完整语法是:

list.sort(*, key=None, reverse=False)

它接受两个可自选的关键字参数:key和reverse。

A. reverse参数

这个参数非常直观

  • reverse = False(默认值):升序排序
  • reverse = True:降序排序
numbers = [4, 2, 8, 1, 6]
numbers.sort() # 默认升序
print(numbers) # 输出: [1, 2, 4, 6, 8]
numbers.sort(reverse=True) # 降序
print(numbers) # 输出: [8, 6, 4, 2, 1]

B. key参数

key参数是sort()方法最强大的功能。它允许你自定义排序的逻辑
key接受一个函数(通常是lambda匿名函数)。在排序比较之前,列表中的每个元素都会先经过这个key函数处理,然后Python会根据这个函数的返回值来进行排序

示例1:按字符串长度排序:
words = ["apple", "banana", "kiwi", "cherry"]
# key=len 意味着对每个单词应用 len() 函数,然后按长度排序
words.sort(key=len)
print(words) # 输出: ['kiwi', 'apple', 'banana', 'cherry']
示例2:忽略大小写排序:
names = ["Bob", "alice", "Charlie", "david"]
names.sort()
print(names) # 输出: ['Bob', 'Charlie', 'alice', 'david'] (默认排序)
names.sort(key=str.lower)
print(names) # 输出: ['alice', 'Bob', 'Charlie', 'david'] (忽略大小写)
示例3:按对象的属性排序(非常常用):
people = [
    {'name': 'Alice', 'age': 30},
    {'name': 'Bob', 'age': 25},
    {'name': 'Charlie', 'age': 35}
]
# 使用 lambda 函数提取 'age' 的值作为排序的 key
people.sort(key=lambda person: person['age'])
print(people)
# 输出:
# [{'name': 'Bob', 'age': 25}, {'name': 'Alice', 'age': 30}, {'name': 'Charlie', 'age': 35}]

当然也可以同时使用key和reverse:

# 按年龄降序排序
people.sort(key=lambda person: person['age'], reverse=True)
print(people)
# 输出:
# [{'name': 'Charlie', 'age': 35}, {'name': 'Alice', 'age': 30}, {'name': 'Bob', 'age': 25}]

2. sorted()函数

Python还提供了一个内置函数sorted(),它也用于排序。理解它们的区别至关重要。

list.sort()sorted()
类型列表的方法(method)内置函数(function)
使用对象只能用于列表(list)可以用于任何可迭代对象(list, tuple, str, dict, etc.)
修改原地修改不能修改原始对象,通常赋值给一个新的变量
返回值None返回一个新的、已排序的列表

2.1 代码对比

# 使用 list.sort()
original_list = [5, 2, 3]
original_list.sort() # 直接修改 original_list
print(f"Original list after sort(): {original_list}") # 输出: [2, 3, 5]
# 使用 sorted()
original_tuple = (5, 2, 3)
new_list = sorted(original_tuple) # 不会修改 original_tuple,而是返回新列表
print(f"Original tuple: {original_tuple}") # 输出: (5, 2, 3)
print(f"New list from sorted(): {new_list}") # 输出: [2, 3, 5]

3. lambda函数

一个lambda函数是一个小型的、匿名的、单行表达式函数。

3.1 基本语法

lambda arguments: expression
  • lambda:关键字,表示你正在定义一个lambda函数。
  • arguments:和普通函数的参数一样,可以有零个或多个,用逗号分割,也就是形参
  • expression:一个单独的表达式。计算这个表达式的结果,并作为函数的返回值

3.2 lambda函数与普通函数的对比

A. 使用def(普通函数)

def add(x, y):
  return x + y
result = add(2, 3)
print(result) # 输出: 5

B. 使用lambda(匿名函数)

add_lambda = lambda x, y: x + y
result = add_lambda(2, 3)
print(result) # 输出: 5

3.3 lambda表达式的用法

lambda的主要用途是作为高阶函数的参数,

示例1:sorted函数和sort方法自定义排序规则

这是lambda最经典、最常见的用途。sorted函数和sort方法有一个key参数,你可以提供一个函数,sorted函数和sort方法会根据这个函数的返回值对元素进行排序。假设有一个元组列表,每个元组代表 (商品, 价格)。我们想按价格排序

items = [('apple', 2.5), ('banana', 1.8), ('cherry', 3.0)]
# 使用 def 的繁琐方式
def get_price(item):
  return item[1]
sorted_items = sorted(items, key=get_price)
print(sorted_items)
# 使用 lambda 的简洁方式
sorted_items_lambda = sorted(items, key=lambda item: item[1])
print(sorted_items_lambda)
# 输出都是:
# [('banana', 1.8), ('apple', 2.5), ('cherry', 3.0)]

key=lambda item: item[1]创建了一个临时的、无需命名的函数,它接受一个item(元组),也就是items中的一个元素,并返回该元组的第二个元素(价格)。
其原理如下:

  • sorted()函数开始工作,它拿到了items列表。
  • 它需要对列表中的元素进行比较排序。它看到了key=lambda item: item[1]这个规则。
  • 它取出第一个元素 ('apple', 2.5)
  • 它将这个元素传递给lambda函数,即item参数现在是 ('apple', 2.5)
  • lambda函数执行它的表达式item[1],返回的结果是2.5。sorted()函数在内部记下:('apple', 2.5)的排序值为2.5。
  • 接着,它取出第二个元素('banana', 1.8)
  • 它将这个元素传递给lambda函数,item变成了('banana', 1.8)
  • lambda函数执行item[1],返回1.8。sorted()记下:('banana', 1.8)的排序值为1.8”。
  • 它取出第三个元素('cherry', 3.0),同样地,通过lambda函数得到它的排序值为3.0。
  • 最后,sorted()根据这些排序值[2.5, 1.8, 3.0]来对原始的items列表进行排序。1.8最小,2.5其次,3.0最大。
  • 所以,最终返回的排序结果是:[('banana', 1.8), ('apple', 2.5), ('cherry', 3.0)]

上面的例子是对价格进行升序排列,如果要进行降序排列可以这样写:

items = [('apple', 2.5), ('banana', 1.8), ('cherry', 3.0)]
# 使用 lambda 的简洁方式
# 该技巧仅适用于数值类型,其他类型,例如字符可能需要进行多次排序
sorted_items_lambda = sorted(items, key=lambda item: -item[1])
print(sorted_items_lambda)
# 输出是:
# [('cherry', 3.0), ('apple', 2.5), ('banana', 1.8)]

如果要进行多级排序,可以这样写:

# 列表中元组中元素的含义分别为名称、价格、重量
data = [
    ('Cherry', 20, 100),
    ('Apple', 20, 150),
    ('Banana', 30, 120),
    ('Date', 10, 500),
    ('Blueberry', 20, 100)
]
# 使用 lambda 返回一个元组作为排序的 key
# (item[1], item[2], item[0]) -> (价格, 重量, 名称)
# 先按照价格排序,价格相同的情况下按照重量排序,价格和重量都相同的情况下按照名称进行排序
sorted_data = sorted(data, key=lambda item: (item[1], item[2], item[0]))
print(sorted_data)
# 输出结果为:
[('Date', 10, 500), ('Blueberry', 20, 100), ('Cherry', 20, 100), ('Apple', 20, 150), ('Banana', 30, 120)]

示例2:map()——对序列中的每个元素应用函数

numbers = [1, 2, 3, 4, 5]
# 使用 lambda
squared_numbers = map(lambda x: x * x, numbers)
print(list(squared_numbers)) # 输出: [1, 4, 9, 16, 25]

示例3:filter()——筛选序列中的元素

# 从序列中筛选出所有的偶数
numbers = [1, 2, 3, 4, 5, 6, 7, 8]
# 使用 lambda
even_numbers = filter(lambda x: x % 2 == 0, numbers)
print(list(even_numbers)) # 输出: [2, 4, 6, 8]

到此这篇关于Python中的sort方法、sorted函数与lambda表达式及用法详解的文章就介绍到这了,更多相关python sort sorted函数与lambda表达式内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • 解决Cannot set up a python SDK at Python问题

    解决Cannot set up a python SDK at Python问题

    本文主要介绍了解决Cannot set up a python SDK at Python问题,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
    2025-04-04
  • Python matplotlib绘图详解

    Python matplotlib绘图详解

    这篇文章主要介绍了Python matplotlib绘图的方法详解,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2021-10-10
  • 使用PYTHON解析Wireshark的PCAP文件方法

    使用PYTHON解析Wireshark的PCAP文件方法

    今天小编就为大家分享一篇使用PYTHON解析Wireshark的PCAP文件方法,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
    2019-07-07
  • python 统计文件中的字符串数目示例

    python 统计文件中的字符串数目示例

    今天小编就为大家分享一篇python 统计文件中的字符串数目示例,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
    2019-12-12
  • python 爬虫爬取京东ps4售卖情况

    python 爬虫爬取京东ps4售卖情况

    这篇文章主要介绍了python 如何用爬虫爬取京东ps4售卖情况,帮助大家更好的利用python爬取自己想要的数据,感兴趣的朋友可以了解下
    2020-12-12
  • Python数据分析之绘图和可视化详解

    Python数据分析之绘图和可视化详解

    信息可视化(也叫绘图)是数据分析中最重要的工作之一.Python有许多库进行静态或动态的数据可视化,但这里主要关注matplotlib和基于它的库,文中有非常详细的介绍,需要的朋友可以参考下
    2021-06-06
  • 详解Python3 pickle模块用法

    详解Python3 pickle模块用法

    pickle模块中的两个主要函数是dump()和load(),这篇文章主要介绍了Python3 pickle模块用法,需要的朋友可以参考下
    2019-09-09
  • matplotlib实现自定义散点形状marker的3种方法

    matplotlib实现自定义散点形状marker的3种方法

    本文主要介绍了matplotlib实现自定义散点形状marker的3种方法,文中通过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
    2021-10-10
  • Python实现快速排序算法及去重的快速排序的简单示例

    Python实现快速排序算法及去重的快速排序的简单示例

    quick sort快速排序是一种再基础不过的排序算法,使用Python代码写起来相当简洁,这里我们就来看一下Python实现快速排序算法及去重的快速排序的简单示例:
    2016-06-06
  • Python编程中实现迭代器的一些技巧小结

    Python编程中实现迭代器的一些技巧小结

    只谈迭代器的话在Python中只是一个泛指的概念,具体的可以用yield、生成器表达式、iter等多种方式来构建,这里我们整理了Python编程中实现迭代器的一些技巧小结:
    2016-06-06

最新评论