Python函數(shù)sort()與sorted()的區(qū)別及key=lambda?x:x[]的理解
Python sort()與sorted()區(qū)別及key=lambda x:x[]的理解
實(shí)務(wù)中,我們經(jīng)常需要將數(shù)據(jù)排序,Python 內(nèi)置函數(shù) sorted() 及列表操作函數(shù) sort() 均可實(shí)現(xiàn)該功能。
二者的完整語(yǔ)法如下:
List.sort(key=None,reverse=False)
key:排序依據(jù),通常為函數(shù)名,如 abs、str.lower、str.upper 等;或以函數(shù)指定可迭代對(duì)象中的某個(gè)元素來(lái)進(jìn)行排序。reverse:排序規(guī)則,reverse=True 降序, reverse=False 升序(默認(rèn))。
sorted(iterable,key=None,reverse=False)
iterable:排序?qū)ο螅缱址斜?,元組,字典等可迭代對(duì)象。key:排序依據(jù),通常為函數(shù)名,如 abs、str.lower、str.upper 等;或以函數(shù)指定可迭代對(duì)象中的某個(gè)元素來(lái)進(jìn)行排序。reverse:排序規(guī)則,reverse=True 降序, reverse=False 升序(默認(rèn))。
二者的主要區(qū)別
是:sort() 是應(yīng)用在列表上的方法,是對(duì)已經(jīng)存在的列表進(jìn)行排序操作并覆蓋,無(wú)返回值;sorted() 則可以對(duì)所有可迭代的對(duì)象進(jìn)行排序操作,返回的是一個(gè)新的列表,而不是在原來(lái)的基礎(chǔ)上進(jìn)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)] #默認(rèn)以元組的第0個(gè)元素升序排序 >>>r.sort(key=lambda x:x[1]) #若要按元組的非第0個(gè)元素排序,則需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) #把所有字符串變成小寫之后再按照ASCII升序排序 ['apple', 'bob', 'Chandlar', 'Monica']
如果要排序的對(duì)象比較復(fù)雜,難以用單一參數(shù)來(lái)實(shí)現(xiàn)時(shí),則需要引入匿名函數(shù) lambda。
通常而言,Python 自定義函數(shù)主要有兩種方式,一是 def,二便是 lambda。
- lambda 函數(shù)體比 def 簡(jiǎn)單很多,比較直觀。
- lambda 的主體是一個(gè)表達(dá)式,而不是一個(gè)代碼塊。
- lambda 表達(dá)式僅能封裝有限的邏輯。
- lambda 函數(shù)擁有自己的命名空間,且不能訪問(wèn)自己參數(shù)列表之外或全局命名空間里的參數(shù)。
lambda 函數(shù)的語(yǔ)法只包含一個(gè)語(yǔ)句,如下:
lambda [arg1 [,arg2,.....argn]]:expression
其中 [arg1 [,arg2,.....argn]] 為入口參數(shù),expression 為函數(shù)體。
作為函數(shù)對(duì)象,其也可賦值給一個(gè)變量,再利用變量來(lái)調(diào)用該函數(shù):
>>> g=lambda x:x**2 >>> g <function <lambda> at 0x7f945791e0> >>> g(5) 25
因此,sort() 和sorted() 函數(shù)中,key=lambda x:x[] 即表示待排序?qū)ο蟀吹诙嗌?strong>維度進(jìn)行排序。
其中 x 可以為任意字母,方括號(hào) [] 內(nèi)為維數(shù),根據(jù)需要設(shè)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對(duì)列表(list)進(jìn)行排序
python3排序 sorted(key=lambda)
key=lambda 元素: 元素[字段索引]
例如:
想對(duì)元素第二個(gè)字段排序,則
key=lambda y: y[1]
備注:
這里y可以是任意字母,等同 key=lambda x: x[1]
看幾個(gè)簡(jiǎn)單的例子。
listA = [3, 6, 1, 0, 10, 8, 9]#列表
print(sorted(listA))#[0, 1, 3, 6, 8, 9, 10]#默認(rèn)升序_從小到大
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)]
#由元組構(gòu)成的列表
print(sorted(listC, key=lambda x: x[1]))
#[('l', 1), ('o', 2), ('v', 3), ('e', 4), ('!', 5)]我們還可以使用reverse參數(shù)實(shí)現(xiàn)倒序排列

1、max(num, key=lambda x:x[0])語(yǔ)法介紹如下:
key=lambda 元素: 元素[字段索引]
print(max(C, key=lambda x: x[0]))
x:x[]字母可以隨意修改,
求最大值方式按照中括號(hào)[]里面的維度,
[0]按照第一維,[1]按照第二維。
2、具體代碼用法及輸出結(jié)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)
相當(dāng)于找4組坐標(biāo)的第1個(gè)數(shù)的最大值,顯然為2.2,因此結(jié)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)
相當(dāng)于找4組坐標(biāo)的第2個(gè)數(shù)的最大值,顯然為4.0,因此結(jié)果如下:

總結(jié)
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
解決ModuleNotFoundError: No module named ‘
這篇文章主要介紹了解決ModuleNotFoundError: No module named ‘flask._compat的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-06-06
Python word文本自動(dòng)化操作實(shí)現(xiàn)方法解析
這篇文章主要介紹了Python word文本自動(dòng)化操作實(shí)現(xiàn)方法解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-11-11
Python matplotlib繪制散點(diǎn)圖的實(shí)例代碼
這篇文章主要給大家介紹了關(guān)于Python matplotlib繪制散點(diǎn)圖的相關(guān)資料,所謂散點(diǎn)圖就是反映兩組變量每個(gè)數(shù)據(jù)點(diǎn)的值,并且從散點(diǎn)圖可以看出它們之間的相關(guān)性,需要的朋友可以參考下2021-06-06
詳述numpy中的np.random.random()系列函數(shù)用法
本文主要介紹了詳述numpy中的np.random.random()系列函數(shù)用法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03

