关于python：按第二项排序元组列表（整数值）

Sort a list of tuples by 2nd item (integer value)

本问题已经有最佳答案，请猛点这里访问。

我有一个类似这样的元组列表：

1	[('abc', 121),('abc', 231),('abc', 148), ('abc',221)]

我想按元组中的整数值以升序对这个列表进行排序。有可能吗？

尝试在sorted()中使用key关键字。

1	sorted([('abc', 121),('abc', 231),('abc', 148), ('abc',221)], key=lambda x: x[1])

key应该是一个函数，用于标识如何从数据结构中检索可比较元素。在您的例子中，它是tuple的第二个元素，因此我们访问[1]。

有关优化，请参见Jamyak使用itemgetter(1)的响应，它本质上是lambda x: x[1]的更快版本。

相关讨论

1
2
3
4

>>> from operator import itemgetter
>>> data = [('abc', 121),('abc', 231),('abc', 148), ('abc',221)]
>>> sorted(data,key=itemgetter(1))
[('abc', 121), ('abc', 148), ('abc', 221), ('abc', 231)]

在这种情况下，使用itemgetter的IMO比@cheeken的解决方案更易于阅读。它是也更快，因为几乎所有的计算都将在c侧进行(不打算使用双关语)，而不是通过使用lambda。

1
2
3
4
5

>python -m timeit -s"from operator import itemgetter; data = [('abc', 121),('abc', 231),('abc', 148), ('abc',221)]""sorted(data,key=itemgetter(1))"
1000000 loops, best of 3: 1.22 usec per loop

>python -m timeit -s"data = [('abc', 121),('abc', 231),('abc', 148), ('abc',221)]""sorted(data,key=lambda x: x[1])"
1000000 loops, best of 3: 1.4 usec per loop

号

相关讨论

+我同意itemgetter()是一个更好的解决方案。不过，我认为lambda表达式可以更清楚地说明key的功能。
+但是，当我测试你的速度时，我注意到"人眼"应该更快。而且测量速度更快，实际上明显较慢。我在这个问题上花了点时间，然后把python超时模块取消了运行，只使用了linux时间。也就是说，time `python -c"the code"`，然后我得到了你拼写出来的"人眼"结果，以及更快的系统时钟时间。虽然还不清楚为什么会这样，但它是可复制的。我认为这和模块的加载开销有关系，但对我来说，现在还不太合适。
@杰夫谢菲尔德：请注意，Jamyak是在设置代码中进行导入的(在计时之外)，而不是测试代码。这是完全合理的，因为大多数程序需要进行多次排序，或者需要对更大的集合进行排序，但它们只进行一次导入。(对于那些只需要做一个很小的排序的程序……好吧，你说的是一微秒以下的差异，那么谁在乎这两种方式呢？)
@Abarnert Fyi:Jamyak在python -m timeit -s的内部进行导入，但我认为你应该说，在生产场景中，你只需支付一次lib加载惩罚。而且…至于谁在乎那微秒…您之所以关心，是因为假设您的排序数据将变得非常大，并且一旦数据集增长，微秒将变成真正的秒。
@杰夫谢菲尔德：这正是关键所在：进口成本不会随着数据的增长而增长，因此，即使在美国，你要为一个小类支付的费用占很大一部分，它也将是你为一个大类或一堆小类支付的5亿美元中不相关的一部分。
x=[[[5,3]、1.0345]、[[5,6]、5.098]、[[5,4]、4.89]、[[5,1]、5.97]]这样的列表，我们能用itemgetter()对x[0][1]中的元素进行排序吗？
@Nidhi我不确定是否能做到这一点，但我很确定即使itemgetter可以做到，lambda(上面的解决方案)也会更清晰，因此在这种情况下会有更多的Python。不过，在您的例子中，(x[0]对于x的所有元素都是相同的)一个简单的EDOCX1[4]将为您提供所需的顺序。所以，这可能是最具讽刺意味的一句话。
我将data扩展到48个元素，并在jupyter中执行。结果为%timeit sorted(data, key=itemgetter(1))的5.19 µs ± 42.6 ns per loop，%timeit sorted(data, key=lambda x: x[1])的6.7 µs ± 63.6 ns per loop。所以itemgetter还是更快。
@路易斯扬感谢分享这些成果。它证实了我的期望

作为一名python新手，我只想说，如果数据真的像这样：

1	data = [('abc', 121),('abc', 231),('abc', 148), ('abc',221)]

然后，sorted()将自动按元组中的第二个元素排序，因为第一个元素都是相同的。

相关讨论

加上契肯的回答，这是如何按第二项降序排列元组列表。

1	sorted([('abc', 121),('abc', 231),('abc', 148), ('abc',221)],key=lambda x: x[1], reverse=True)

。

从python wiki：

1
2
3
4
5

>>> from operator import itemgetter, 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)]

。

相关讨论

对于就地排序，请使用

1 2	foo = [(list of tuples)] foo.sort(key=lambda x:x[0]) #To sort by first element of the tuple

。

相关讨论

对于lambda避免方法，首先定义自己的函数：

1 2	def MyFn(a): return a[1]

。

然后：

1	sorted([('abc', 121),('abc', 231),('abc', 148), ('abc',221)], key=MyFn)

相关讨论

对于Python 2.7+而言，这项工作使可接受的答案更易读：

1	sorted([('abc', 121),('abc', 231),('abc', 148), ('abc',221)], key=lambda (k, val): val)

。

操作中的排序值是整数这一事实本身与问题无关。换句话说，如果排序值是文本，则接受的答案将起作用。我提出这一点，也指出排序过程中可以修改排序(例如，考虑大小写)。

1
2
3
4

>>> sorted([(121, 'abc'), (231, 'def'), (148, 'ABC'), (221, 'DEF')], key=lambda x: x[1])
[(148, 'ABC'), (221, 'DEF'), (121, 'abc'), (231, 'def')]
>>> sorted([(121, 'abc'), (231, 'def'), (148, 'ABC'), (221, 'DEF')], key=lambda x: str.lower(x[1]))
[(121, 'abc'), (148, 'ABC'), (231, 'def'), (221, 'DEF')]