python sort、sorted高级排序技巧
Pythonlist内置sort()方法用来排序，也可以用python内置的全局sorted()方法来对可迭代的序列排序生成新的序列。
1）排序基础
简单的升序排序是非常容易的。只需要调用sorted()方法。它返回一个新的list，新的list的元素基于小于运算符(__lt__)来排序。
>>>sorted([5,2,3,1,4]) [1,2,3,4,5]
你也可以使用list.sort()方法来排序，此时list本身将被修改。通常此方法不如sorted()方便，但是如果你不需要保留原来的list，此方法将更有效。
>>>a=[5,2,3,1,4] >>>a.sort() >>>a [1,2,3,4,5]
另一个不同就是list.sort()方法仅被定义在list中，相反地sorted()方法对所有的可迭代序列都有效。
>>>
sorted({1:'D',2:'B',3:'B',4:'E',5:'A'})
[1,2,3,4,5]
2）key参数/函数
从python2.4开始，list.sort()和sorted()函数增加了key参数来指定一个函数，此函数将在每个元素比较前被调用。例如通过key指定的函数来忽略字符串的大小写：
>>>sorted("ThisisateststringfromAndrew".split(),key=str.lower)
['a','Andrew','from','is','string','test','This']
key参数的值为一个函数，此函数只有一个参数且返回一个值用来进行比较。这个技术是快速的因为key指定的函数将准确地对每个元素调用。
更广泛的使用情况是用复杂对象的某些值来对复杂对象的序列排序，例如：
>>>student_tuples=[
('john','A',15),
('jane','B',12),
('dave','B',10),
]
>>>sorted(student_tuples,key=lambdastudent:student[2]) #sortbyage
[('dave','B',10),('jane','B',12),('john','A',15)]
同样的技术对拥有命名属性的复杂对象也适用，例如：
>>>classStudent:
def__init__(self,name,grade,age):
self.name=name
self.grade=grade
self.age=age
def__repr__(self):
returnrepr((self.name,self.grade,self.age))
>>>student_objects=[
Student('john','A',15),
Student('jane','B',12),
Student('dave','B',10),
]
>>>sorted(student_objects,key=lambdastudent:student.age) #sortbyage
[('dave','B',10),('jane','B',12),('john','A',15)]
3）Operator模块函数
上面的key参数的使用非常广泛，因此python提供了一些方便的函数来使得访问方法更加容易和快速。operator模块有itemgetter，attrgetter，从2.6开始还增加了methodcaller方法。使用这些方法，上面的操作将变得更加简洁和快速：
>>>fromoperatorimportitemgetter,attrgetter
>>>sorted(student_tuples,key=itemgetter(2))
[('dave','B',10),('jane','B',12),('john','A',15)]
>>>sorted(student_objects,key=attrgetter('age'))
[('dave','B',10),('jane','B',12),('john','A',15)]
operator模块还允许多级的排序，例如，先以grade，然后再以age来排序：
>>>sorted(student_tuples,key=itemgetter(1,2))
[('john','A',15),('dave','B',10),('jane','B',12)]
>>>sorted(student_objects,key=attrgetter('grade','age'))
[('john','A',15),('dave','B',10),('jane','B',12)]
4）升序和降序
list.sort()和sorted()都接受一个参数reverse（TrueorFalse）来表示升序或降序排序。例如对上面的student降序排序如下：
>>>sorted(student_tuples,key=itemgetter(2),reverse=True)
[('john','A',15),('jane','B',12),('dave','B',10)]
>>>sorted(student_objects,key=attrgetter('age'),reverse=True)
[('john','A',15),('jane','B',12),('dave','B',10)]
5）排序的稳定性和复杂排序
从python2.2开始，排序被保证为稳定的。意思是说多个元素如果有相同的key，则排序前后他们的先后顺序不变。
>>>data=[('red',1),('blue',1),('red',2),('blue',2)]
>>>sorted(data,key=itemgetter(0))
[('blue',1),('blue',2),('red',1),('red',2)]
注意在排序后'blue'的顺序被保持了，即'blue',1在'blue',2的前面。
更复杂地你可以构建多个步骤来进行更复杂的排序，例如对student数据先以grade降序排列，然后再以age升序排列。
>>>s=sorted(student_objects,key=attrgetter('age')) #sortonsecondarykey
>>>sorted(s,key=attrgetter('grade'),reverse=True) #nowsortonprimarykey,descending
[('dave','B',10),('jane','B',12),('john','A',15)]
6）最老土的排序方法-DSU
我们称其为DSU（Decorate-Sort-Undecorate）,原因为排序的过程需要下列三步：
第一：对原始的list进行装饰，使得新list的值可以用来控制排序；
第二：对装饰后的list排序；
第三：将装饰删除，将排序后的装饰list重新构建为原来类型的list；
例如，使用DSU方法来对student数据根据grade排序：
>>>decorated=[(student.grade,i,student)fori,studentinenumerate(student_objects)]
>>>decorated.sort()
>>>[studentforgrade,i,studentindecorated] #undecorate
[('john','A',15),('jane','B',12),('dave','B',10)]
上面的比较能够工作，原因是tuples是可以用来比较，tuples间的比较首先比较tuples的第一个元素，如果第一个相同再比较第二个元素，以此类推。
并不是所有的情况下都需要在以上的tuples中包含索引，但是包含索引可以有以下好处：
第一：排序是稳定的，如果两个元素有相同的key，则他们的原始先后顺序保持不变；
第二：原始的元素不必用来做比较，因为tuples的第一和第二元素用来比较已经是足够了。
此方法被RandalL.在perl中广泛推广后，他的另一个名字为也被称为Schwartziantransform。
对大的list或list的元素计算起来太过复杂的情况下，在python2.4前，DSU很可能是最快的排序方法。但是在2.4之后，上面解释的key函数提供了类似的功能。
7）其他语言普遍使用的排序方法-cmp函数
在python2.4前，sorted()和list.sort()函数没有提供key参数，但是提供了cmp参数来让用户指定比较函数。此方法在其他语言中也普遍存在。
在python3.0中，cmp参数被彻底的移除了，从而简化和统一语言，减少了高级比较和__cmp__方法的冲突。
在python2.x中cmp参数指定的函数用来进行元素间的比较。此函数需要2个参数，然后返回负数表示小于，0表示等于，正数表示大于。例如：
>>>defnumeric_compare(x,y):
returnx-y
>>>sorted([5,2,4,1,3],cmp=numeric_compare)
[1,2,3,4,5]
或者你可以反序排序：
>>>defreverse_numeric(x,y):
returny-x
>>>sorted([5,2,4,1,3],cmp=reverse_numeric)
[5,4,3,2,1]
当我们将现有的2.x的代码移植到3.x时，需要将cmp函数转化为key函数，以下的wrapper很有帮助：
defcmp_to_key(mycmp):
'Convertacmp=functionintoakey=function'
classK(object):
def__init__(self,obj,*args):
self.obj=obj
def__lt__(self,other):
returnmycmp(self.obj,other.obj)<0
def__gt__(self,other):
returnmycmp(self.obj,other.obj)>0
def__eq__(self,other):
returnmycmp(self.obj,other.obj)==0
def__le__(self,other):
returnmycmp(self.obj,other.obj)<=0
def__ge__(self,other):
returnmycmp(self.obj,other.obj)>=0
def__ne__(self,other):
returnmycmp(self.obj,other.obj)!=0
returnK
当需要将cmp转化为key时，只需要：
>>>sorted([5,2,4,1,3],key=cmp_to_key(reverse_numeric)) [5,4,3,2,1]
从python2.7，cmp_to_key()函数被增加到了functools模块中。
8)其他注意事项
*对需要进行区域相关的排序时，可以使用locale.strxfrm()作为key函数，或者使用local.strcoll()作为cmp函数。
*reverse参数任然保持了排序的稳定性，有趣的时，同样的效果可以使用reversed()函数两次来实现：
>>>data=[('red',1),('blue',1),('red',2),('blue',2)]
>>>assertsorted(data,reverse=True)==list(reversed(sorted(reversed(data))))
*其实排序在内部是调用元素的__cmp__来进行的，所以我们可以为元素类型增加__cmp__方法使得元素可比较，例如：
>>>Student.__lt__=lambdaself,other:self.age<other.age
>>>sorted(student_objects)
[('dave','B',10),('jane','B',12),('john','A',15)]
*key函数不仅可以访问需要排序元素的内部数据，还可以访问外部的资源，例如，如果学生的成绩是存储在dictionary中的，则可以使用此dictionary来对学生名字的list排序，如下：
>>>students=['dave','john','jane']
>>>newgrades={'john':'F','jane':'A','dave':'C'}
>>>sorted(students,key=newgrades.__getitem__)
['jane','dave','john']
*当你需要在处理数据的同时进行排序的话，sort(),sorted()或bisect.insort()不是最好的方法。在这种情况下，可以使用heap，red-blacktree或treap。