说到排序，很多人可能第一想到的就是sorted,但是你可能不知道python中其实还有还就中方法哟，并且好多种场景下效率都会比sorted高。那么接下来我就依次来介绍我所知道的排序操作
说到排序，很多人可能第一想到的就是sorted,但是你可能不知道python中其实还有还就中方法哟，并且好多种场景下效率都会比sorted高。那么接下来我就依次来介绍我所知道的排序操作。
sorted(iterable, *, key=None, reverse=False)
list1=[1,6,4,3,9,5] list2=['12','a6','4','c34','b9','5'] print(sorted(list1)) #[1, 3, 4, 5, 6, 9] print(sorted(list2)) #['12', '4', '5', 'a6', 'b9', 'c34'] #总结上面两种排序：字符串排序根据元素首字符的ASCII比较进行排序， #数字类型按照大小排序，数字不能混合排序 list3=[ {'name':'jim','age':23,'price':500}, {'name':'mase','age':23,'price':600}, {'name':'tom','age':25,'price':2000}, {'name':'alice','age':22,'price':300}, {'name':'rose','age':21,'price':2400}, ] print(sorted(list3,key=lambda s:(s['age'],s['price']))) #[{'name': 'rose', 'age': 21, 'price': 2400}, {'name': 'alice', 'age': 22, 'price': 300}, {'name': 'jim', 'age': 23, 'price': 500}, {'name': 'mase', 'age': 23, 'price': 600}, {'name': 'tom', 'age': 25, 'price': 2000}] 最后的reverse参数我就不作说明了，就是把结果进行倒序，可用作降序排列 介绍一种比lambda效率高的方式： operator模块中的方法itemgetter >>> itemgetter(1)('ABCDEFG') 'B' >>> itemgetter(1,3,5)('ABCDEFG') ('B', 'D', 'F') >>> itemgetter(slice(2,None))('ABCDEFG') 'CDEFG 运用到上述代码 print(sorted(list3,key=itemgetter('age','price'))) #结果同上但效率会比较高接下来的排序操作涉及到一个非常重要的一种数据结构――堆，不过今天我主要介绍这个模块中的方法，具体什么是堆，及其还有一种数据结构――栈，有时间我会专门写一篇文章来介绍。
heapq(Python内置的模块)
__all__ = ['heappush', 'heappop', 'heapify', 'heapreplace', 'merge',
'nlargest', 'nsmallest', 'heappushpop']
接下来我们一一介绍。
nlargest与nsmallest,通过字面意思可以看出方法大致的作用，接下来动手测验
nlargest(n, iterable, key=None) nsmallest(n, iterable, key=None) #n:查找个数 iterable:可迭代对象 key：同sorted list1=[1,6,4,3,9,5] list2=['12','a6','4','c34','b9','5'] list3=[ {'name':'jim','age':23,'price':500}, {'name':'mase','age':23,'price':600}, {'name':'tom','age':25,'price':2000}, {'name':'alice','age':22,'price':300}, {'name':'rose','age':21,'price':2400}, ] from operator import itemgetter import heapq print(heapq.nlargest(len(list1),list1)) print(heapq.nlargest(len(list2),list2)) print(heapq.nlargest(len(list3),list3,key=itemgetter('age','price'))) #以上代码输出结果同sorted print(heapq.nsmallest(len(list1),list1)) print(heapq.nsmallest(len(list2),list2)) print(heapq.nsmallest(len(list3),list3,key=itemgetter('age','price'))) #结果是降序 [1, 3, 4, 5, 6, 9] ['12', '4', '5', 'a6', 'b9', 'c34'] [{'name': 'rose', 'age': 21, 'price': 2400}, {'name': 'alice', 'age': 22, 'price': 300}, {'name': 'jim', 'age': 23, 'price': 500}, {'name': 'mase', 'age': 23, 'price': 600}, {'name': 'tom', 'age': 25, 'price': 2000}]heappush,heappop,heapify,heapreplace,heappushpop
堆结构特点：heap[0]永远是最小的元素(利用此特性排序)
heapify：对序列进行堆排序，
heappush:在堆序列中添加值
heappop:删除最小值并返回
heappushpop:添加并删除堆中最小值且返回，添加之后删除
heapreplace:添加并删除队中最小值且返回，删除之后添加
nums=[54,23,64.,323,53,3,212,453,65] heapify(nums) #先进行堆排序 print(heappop(nums)) #3 print(heappush(nums,50)) #添加操作，返回None print(heappushpop(nums,10)) #由于是添加后删除，所以返回10 print(heappop(nums)) #23 print(heapreplace(nums,10)) #和heappushpop，返回50 print(nums) #[10, 53, 54, 65, 323, 64.0, 212, 453]
merge：合并多个序列
list1 = [1, 2, 3, 4, 5, 12] set1 = {2, 3, 9, 23, 54} s = list(merge(list1,set1)) print(s) #[1, 2, 2, 3, 3, 4, 5, 9, 12, 54, 23] #发现输出结果不仅进行了合并，还进行了排序，有意思哈，可是换个代码测验，你再看一下 list1 = [31, 2, 83, 24, 5, 12] set1 = {2, 83, 9, 23, 54} s = list(merge(list1,set1)) print(s) #[2, 9, 31, 2, 83, 24, 5, 12, 83, 54, 23] #你们肯定想这是什么鬼，一点都没有头绪，其实经过我的多次测验，还是有规律的，但是由于没有什么作用就不大篇幅说明了，喜欢刨根问题的小伙伴可以尝试自己思考一下。小伙伴们有没有想我为何介绍这个模块，并且和排序放在一起呢，其实在很多时候我们需要找序列中的前几个最大值或者最小值，使用此模块中的方法是最好不过的了。
如果需要全部排序我们使用sorted，需要查找最大或最小的几个或者多个我们使用alargest/asmallest,查找最大最小使用max/min
以上就是详解python之heapq模块及排序操作的详细内容，更多请关注0133技术站其它相关文章！
