目录
3.3 numpy数组与pandas DataFrame排序
4.3 利用itemgetter和attrgetter优化性能
1、sorted基础用法 🍏
1.1 列表排序入门
在Python中，sorted()函数是一种强大而灵活的工具，用于对可迭代对象进行排序，如列表、元组等。它不修改原对象，而是返回一个新的排序后的列表。基础用法相当直接，例如对一个简单的整数列表进行升序排序：
numbers = [5, 9, 1, 4, 3]
sorted_numbers = sorted(numbers)
print(sorted_numbers) # 输出: [1, 3, 4, 5, 9]
1.2 自定义排序规则
sorted()函数通过key参数允许用户自定义排序规则。这在处理复杂数据结构时尤为有用，比如字典或包含对象的列表。下面例子展示了按字符串长度排序：
words = ["apple", "fig", "banana", "date"]
sorted_words = sorted(words, key=len)
print(sorted_words) # 输出: ['fig', 'date', 'apple', 'banana']
1.3 排序稳定性和key函数
排序稳定性是指相等元素的原始顺序是否被保留。Python 3.5及以后版本的sorted()默认是稳定的，意味着当比较键相同时 ，原始顺序不会改变。利用key函数可以深入对象属性进行排序，例如在学生对象列表中按成绩排序：
class Student:
def __init__(self, name, score):
self.name = name
self.score = score
students = [Student('Alice', 88), Student('Bob', 95), Student('Charlie', 90)]
sorted_students = sorted(students, key=lambda s: s.score)
for student in sorted_students:
print(student.name, student.score)
# 输出: Alice 88, Charlie 90, Bob 95
通过这些示例，我们探索了sorted()函数的基础用法、自定义排序逻辑以及其稳定性特点 ，为处理不同场景下的排序需求提供了坚实的基础。
2、sort内置方法操作 🔍
2.1 直接修改原列表
列表的sort()方法与sorted()函数不同，它直接在原地对列表进行排序，而不创建新的列表。这意味着sort()方法会修改原始列表，但不返回任何值，因此你可能会看到类似None的返回结果。下面是一个基础示例：
numbers = [5, 2, 9, 1, 5, 6]
numbers.sort()
print(numbers) # 输出: [1, 2, 5, 5, 6, 9]
2.2 sort高级技巧与性能考量
sort()方法同样接受key和reverse参数，允许更复杂的排序逻辑。然而，由于它修改的是原列表 ，所以在处理大量数据或需要保持原始数据不变的情况下，需要谨慎使用。此外，sort()方法的内部实现通常比sorted()更高效，因为它避免了创建新列表的开销。下面展示了一个使用key参数的例子：
words = ["banana", "apple", "cherry", "date"]
words.sort(key=str.lower)
print(words) # 输出: ['apple', 'banana', 'cherry', 'date']
2.3 案例：数据预处理实战
在实际的数据预处理中，sort()方法经常用来整理数据 ，使其按特定顺序排列。例如，在处理调查问卷的结果时，可能需要按参与者的年龄或性别排序数据，以便后续分析。下面是一个模拟的情境，展示如何使用sort()方法对包含调查对象年龄的列表进行排序：
ages = [22, 34, 26, 29, 31, 23, 30]
ages.sort()
print(ages) # 输出: [22, 2