10｜按指定顺序给词语排序，提高查找效率
下载APP
关闭
渠道合作
推荐作者
10｜按指定顺序给词语排序，提高查找效率
2021-03-04 尹会生 来自北京
《Python自动化办公实战课》
课程介绍
讲述：尹会生
时长19:49大小18.11M
你好，我是尹会生。
之前我在游戏行业工作的时候，经常需要取得用户在线时长 TOP3、用户战斗力 TOP5、用户完成任务数量 TOP10 等数据，相信你在工作中也会有遇到从大量数据取得 TopN 这类需求。
提取 TopN 的操作，本质上是对大量数据先进行排序，然后根据排序的结果取出前 N 个值。而实现提取 TopN 的值，用 Python 来实现会非常高效，这节课，我就来讲一讲具体怎么操作。
使用 sorted() 函数实现排序
在 Python 中，已经内置了排序函数 sorted() 函数，它是 Python 中实现排序最简单且最直接的形式，可以解决 80% 的排序问题。那么，我们就来学习一下怎么用 sorted() 函数对常见的数据类型进行排序。
先看 sorted() 函数的定义。
sorted 函数共有四个参数，第一个参数是要排序的对象，后面三个参数是排序的方式。
如果要为某个对象排序的话，你可以直接将它作为 sorted() 函数的第一个参数，返回结果会将对象的值进行从小到大的排序。
如果 sorted() 返回的排序结果不满足你的需要，比如你想要从大到小的排序，那你就可以利用后面三个参数来改变排序的方式，实现自定义排序。
所以今天这节课，我会带你学习怎么使用 sorted() 函数实现默认排序和自定义排序，来解决你实际工作中遇到的多种排序问题。我们先来看怎么使用 sorted() 实现默认排序。
默认排序
sorted() 函数的默认排序是按照从小到大的顺序进行排序的。例如一家公司即将上市，需要在职的前 1000 名员工的工号和姓名，工号越小的员工配股越多。这时候就需要给所有员工的工号进行排序，并取得工号排在前 1000 个员工的名字。具体怎么做呢？
我们来看 sorted() 函数的用法。我们从它的第一个参数开始学习。第一个参数是 sorted() 函数要排序的对象，我以列表为例，把员工的工号放到列表中，我们来看一下 sorted() 函数是怎么对列表中的工号进行从小到大的排序的。
我在代码中给 sorted() 函数指定了一个列表类型的参数“[30, 50, 20, 10, 40]”。按照 sorted() 函数的定义，这个列表会被 sorted() 函数按照数字从小到大进行排序，并返回排序后的结果。并且，我把结果放入 sorted_list 对象中，你从代码中可以看到 sorted_list 已经把数据按照默认从小到大的顺序排列好，并把结果放在一个列表数据类型中。
这就是 sorted() 的基本用法，其实是比较简单的，不过这里有三点需要你注意。
首先，sorted() 函数的默认排序方式是从小到大进行排序，那么对于列表中的数字就会按照默认的算法进行大小比较。但是除了数字外，列表中还会出现字母或字母与数字混合的方式，你也需要掌握这两种方式的排序处理方法。
比如说英文字母，会按照列表中字符串的第一个字母从 A 到 Z、从 a 到 z 进行排序。如果字符串的第一个字母相同，就会比较第二个字母，以此类推，直到比较完字符串中的所有字符。
由于默认排序的时候不支持同时对英文字母和数字进行排序，那么如果列表中既包含了字母，又包含了数字，在默认排序时程序就会提示一个异常，那就是无法使用“<”比较整数和字符串。
因此，当列表中出现类似“["a", 1, "bb"]”这种，既包含字符串又包含数字的列表，进行排序操作的时候，你需要先统一类型，把数字使用 str() 函数转换为字符串类型，再对列表进行排序。我把代码写出来，供你参考：
其次，你需要注意，sorted() 函数不会对原有的列表进行修改，它会把排序好的结果存入到一个新的列表当中。
很多人刚开始使用 Python 时，会把 sorted() 函数和列表自带的函数 sort() 函数混淆。
它们虽然名字很像，但支持的数据类型、调用的方式以及返回的结果都不同。
要记住，sort() 函数是列表数据类型自带的，所以只能对列表数据类型进行排序，不能对其他数据类型排序，但 sorted() 函数可以支持任何可迭代的对象。
在调用方式上，sort() 函数使用的方式是“列表.sort()”格式，这也是调用时和 sorted() 函数的差别。
还有一个最大的差别是，sort() 函数会直接修改当前列表（这种修改称作“原地修改”），并返回一个空值 None。而 sorted() 函数不会对原有的列表进行修改，它会把排序好的结果存入到一个新的列表当中。
为了让你更好地区分 sorted() 函数和 sort() 函数，我把 sort() 函数的执行结果也提供给你做参考。
在代码的第二行，是 sort() 函数的调用格式。在第三行，我输出了排序之后的列表，并对列表的值进行了重新排序。在第五行，我们可以看到 no_value 变量的返回值为 None，也就是 sort() 函数会对列表进行原地修改，并使用 None 作为返回。
最后，你需要注意 sorted() 函数能够支持的数据类型非常多，既能支持基础数据类型，又能支持 Python 自带的内置函数。根据它的函数定义，第一个参数是“iterable”对象，表示只要该对象可迭代，sorted() 函数就能对它进行排序。
在基本数据类型中，序列和映射都可以迭代，序列是指列表、元组、字符串这三种基本数据类型的总称，映射就是我们使用过的字典。除了基本数据类型之外，像是 range() 、map()、zip() 等内置函数都是可迭代对象，因此掌握 sorted() 函数，可以对以上多种类型和函数进行排序。
掌握了这三点注意事项，在使用 sorted() 为可迭代类型进行排序时，就不会出现什么问题了。那接下来，我来带你学习一下它的自定义排序功能，通过自定义排序，可以让 sorted() 基于不同的数据类型实现更加灵活的排序。
自定义排序
自定义排序是在基本排序基础上，能够支持更多的排序方式和更复杂的数据类型。比如说：
在排序方式上，我们通过参数，可以把默认的从小到大的排序改为从大到小。
在对数据类型的支持上，像列表中包含元组这种复杂数据类型，可以通过指定元组的任意一列进行排序。
我们先学习自定义排序是怎么支持更多的排序方式的，它的前提是要先更改默认的排序方式。
例如我想要实现列表的从大到小的排序，并提取 Top 3 这一需求，我首先需要使用函数的第四个参数 reverse 参数改变默认的排序方式，排序后我需要使用列表的切片方式提取前三个元素。
我先把代码写出来，然后再给你详细解释。可以看到，我在代码中使用了 sorted_list4 作为排序后的结果，并对 sorted_list4 进行切片，从而得到指定下标对应的值。
在代码中，我为 sorted() 函数增加了参数 reverse。reverse 参数在定义的时候是 sorted() 函数的第四个参数，由于 sorted() 函数的第二、三个参数我希望保持默认，不需要在调用的时候传入，因此 reverse 参数在调用时就要作为第二个参数来使用。
由于在调用时它的位置和定义的位置不同，那么我必须使用关键字参数 “reverse=True”的形式，把 reverse 指定为 sorted() 函数的第二个参数。
增加 reverse 参数之后，sorted() 执行的结果也和默认结果不同，sorted 会将默认排序的结果进行反转。而当五个数字的排序结果反转后，也就以从大到小的方式进行了输出。
你看，利用 sorted() 函数的 reverse 参数就能实现 TopN 场景的排序工作，工作中往往需要只得到 TopN 的结果，不需要将全部的排序结果进行输出，这时候你可以将列表按照你的工作需要提取其中的某一部分，这种操作也被称作列表的切片。
假如你想取得 sorted_list4 列表的 Top3 元素，可以对列表排序后，使用 sorted_list4[0:3]的写法提取列表前三个值，这种写法的“0”“3”表示列表的下标，“:”表示获取下标的范围。因为列表的下标从 0 开始，因此要写作[0:3]的形式，也可以使用它的省略形式[:3]，这样列表切片操作就会从 0 开始取值。
总结来说，通过 reverse 参数和列表切片，我们可以在默认排序的基础上，实现基于列表的 TopN 场景下的排序，以及 TopN 结果的提取。
不过现实场景往往都是比较复杂的，要排序的数据类型除了列表中包含数字和字符串外，你最经常见到的还有对列表中包含元组这种复合类型进行排序，以及对字典的键或值进行排序。接下来我来带你学习一下两种主要类型，一种是列表 + 元祖的类型，一种是字典类型。
列表 + 元组的排序方式
列表 + 元组形成的组合数据类型，适合存放包含多个属性的对象。我给你看个例子，
“姓名、性别、身份证号”和“学校、姓名、学号”这两组数据就适合用元组存储。因为元组存储的值是不可变的，而这些数据填入之后一般不会修改，刚好和元组的特性吻合。
而且，这些用户信息在工作中往往会被大量存储在一起，为了便于对它们进行排序和查找。你还需要将多个元组再保存到列表当中，这样就形成了列表 + 元组这种组合类型。
对列表 + 元组的形式进行排序，就需要用自定义排序的字段来实现。那就是在默认排序的基础上，增加 key 参数，并通过 lambda 表达式取得元组第三个位置的学号。
lambda 表达式是简化自定义函数的定义和调用而使用的一种语法，使用 lambda 表达式取得学号的字符串之后，sortd() 就可以实现对元组按照学号进行排序了。
在这里，key 没法通过下标对元组排序，而必须通过函数取得参数具体的值。这是 sorted() 函数为了更灵活地实现排序功能，把设置排序关键字这一功能全部开放给用户造成的。事实上，这也是一种典型的通过牺牲易用性来增加灵活性的设计模式。
这一知识点比较难理解，不过不用担心，我在后续课程陆续为你讲解这类函数，直到你能熟练使用它们为止。
到这里，我们就了解了 sorted() 函数的 key 参数必须使用函数做参数的原因，那就继续来看 key 参数的 lambda 表达式是怎么简化自定义函数的。
比如我想取得元组中包含“Jerry”的学号“1003”，以及包含“Tom”的元组学号的“1005”，可以使用这样一段代码来实现函数定义和调用方式：
在代码的 1-3 行、第 5 行，分别是通过自定义函数和 lambda 表达式实现的提取元组第三个参数的功能。对比来看，自定义函数的定义要比 lambda 表达式复杂。自定义函数的定义和调用部分在 Python 中要分开编写，这也是简单函数更适合用 lambda 表达式编写的原因。
lambda 表达式通常在函数只有一行语句，且不需要强调函数名称的时候使用，因此它还有一个名字叫做匿名函数。它的结构只包含四部分，即lambda 关键字、需要接收的参数、一个冒号和对接收参数的处理，并且它会把处理结果自动返回。
因此在 sorted() 函数中通过 lambda 表达式实现按关键字排序，会比使用自定义函数排序更加简洁，所以当你遇到只有一行语句的函数场景时，可以考虑使用 lambda 表达式替代自定义函数的定义和调用。
字典类型的排序方式
除了列表 + 元组的复合类型外，我们经常还需要对字典类型进行排序，字典类型包含键和值，所以排序的时候可以基于键来排序，也可以基于值来排序。
我们还是以学生信息为例。我把学生的姓名定义为字典的键，把学号定义为字典的值。接下来我们看看 sorted() 是怎么对字典的键和值进行排序的，实现排序的代码如下：
在这段代码中，我实现了基于字典的键和字典的值进行排序的功能。由于字典是使用键值对的形式存储数据的，所以我先通过字典自带的函数 items()，把键值对的形式转换成列表 + 元组的形式。经过转换以后，字典的键就变成了元组的第一个参数，值就变成了元组的第二个参数。
因此在代码中，我把参数 key 的值设置为“lambda d: d[0]”，这样就取得了元组的第一个元素，排序之后就实现了按照字典的键进行排序的需求。相应的，使用“lambda d: d[1]”，可以取得元组第二个元素的值，就能实现按照字典的值进行排序的需求。
由于排序后的数据类型已经变成了列表 + 元组形式。所以我们在代码最后，可以通过 dict() 函数把排序的结果再转换为字典，和排序前的数据类型保持一致。
这就是通过 sorted() 函数对字典进行排序的解决方法，你在工作中或许还会遇到和这节课不一样的数据类型，但是它们的解决思路是相通的。
如果能转换成列表，可以采用更改 lambda 下标的方式，实现对指定字段的排序。
如果不能转换成列表，可以尝试将复杂的类型中，不需要进行排序的部分进行删减，简化成列表或字典类型，这样就也能使用 sorted 实现数据的排序功能了。
小结
最后，我来给你总结一下这节课的核心内容。我们通过 sorted() 函数实现了列表、列表 + 元组、字典类型的排序，通过排序后的结果，你可以快速提取 TopN，也可以利用你学习过的其他语言的算法实现更复杂的查找。
在 sorted() 函数中，我们通过编写 key 参数的值，使用了 lambda 表达式替代了简单的函数，让我们的程序更加简洁。当你在日后的工作场景中也出现了只有单个语句的函数时，也可以考虑采用 lambda 表达式替代自定义函数，增加代码的可读性。
正是因为 sorted() 功能的强大，我们在 python 中实现排序几乎不需要通过自行编写代码来实现排序，不过你在进行海量数据的时候，我还想给你提供两条有用的建议。
第一，如果对包含海量数据的列表进行排序时，建议将列表通过 tuple() 函数转换为元组，能够让查找效率有较大提升。
第二，在 Python 标准库 collections 库中提供了 OrderedDict 扩展数据类型，它的特点是对 OrderedDict 数据类型进行赋值时，会自动进行排序。当你需要一个有序字典时，可以考虑选择 OrderedDict 作为数据存储的类型，从而避免手工对数据排序。
思考题
在最后，我想给你留一道开放性的问题。为什么 Python 语言不将所有的数据类型都设计成默认有序的，即存入数据时自动进行排序？欢迎你说出自己的理由。
欢迎把你对问题的思考和想法分享在留言区，我们一起交流讨论。如果课程帮你解决了一些工作上的问题，也欢迎你把课程分享给你的朋友、同事。
分享给需要的人，Ta购买本课程，你将得18元
生成海报并分享赞 8
提建议
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
上一篇
09｜扩展搜索：如何快速找到想要的文件？
下一篇
11 ｜通过程序并行计算，避免CPU资源浪费
精选留言(2)
谢韬 Fragos
2022-03-12将现实世界的这些问题，变成计算机可以运行的程序，中间的桥梁就是排序算法。有第一种算法被称为冒泡排序，因为每一次选出一个最好的，如同从水里冒出的气泡。第二种被称为插入排序，因为每一次要找到合适的位置插入。以冒泡排序为例，之所以慢，是因为每一次选出一个最大的数，都要和其它所有的数字相比，其实并不需要这么麻烦，要想提高效率，就要减少数据之间的相互比较。1
Soul of the Drago...2021-03-04关于思考题，我猜可以是照顾到用户的实际需求吧，并不是什么情况下都需要对数据进行排序的，只要能实现排序的功能，用户可以自行对数据进行排序。作者回复: 照顾到用户的实际需求是一方面,这方面你的理解是对的;还有一方面要考虑排序对计算机资源的开销,随着数据增加,排序的时间开销也会有相应增加(增加多少要根据具体算法和数据长度评估排序时间复杂度),所以在不需要排序时,我们还是需要一些能替我们存储数据,但是不需要自动排序的数据类型的
1
