排序算法是为了让无序的数据组合变成有序的数据组合。 有序的数据组合最大的优势是在于当你进行数据定位和采用时，会非常方便，那么python如何排序呢？一起来了解下吧:
python如何排序
[图片0]
1）排序基础
简单的升序排序是非常容易的。只需要调用sorted()方法。它返回一个新的list，新的list的元素基于小于运算符(__lt__)来排序。
>>> sorted([5, 2, 3, 1, 4])
[1, 2, 3, 4, 5]
你也可以使用()方法来排序，此时list本身将被修改。通常此方法不如sorted()方便，但是如果你不需要保留原来的list，此方法将更有效。
>>> a = [5, 2, 3, 1, 4]
>>> ()
>>> a
[1, 2, 3, 4, 5]
另一个不同就是()方法仅被定义在list中，相反地sorted()方法对所有的可迭代序列都有效。
>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]
2）key参数/函数
从开始，()和sorted()函数增加了key参数来指定一个函数，此函数将在每个元素比较前被调用。 例如通过key指定的函数来忽略字符串的大小写:
>>> sorted("This is a test string from Andrew".split(), key=)
['a', 'Andrew', 'from', 'is', 'string', 'test', 'This']
key参数的值为一个函数，此函数只有一个参数且返回一个值用来进行比较。这个技术是快速的因为key指定的函数将准确地对每个元素调用。
更广泛的使用情况是用复杂对象的某些值来对复杂对象的序列排序，例如:
>>> student_tuples = [
('john', 'A', 15),
('jane', 'B', 12),
('dave', 'B', 10),
]
>>> sorted(student_tuples, key=lambda student: student[2]) # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
同样的技术对拥有命名属性的复杂对象也适用，例如:
>>> class Student:
def __init__(self, name, grade, age):
= name
= grade
= age
def __repr__(self):
return repr((, , ))
>>> student_objects = [
Student('john', 'A', 15),
Student('jane', 'B', 12),
Student('dave', 'B', 10),
]
>>> sorted(student_objects, key=lambda student: ) # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
3）Operator 模块函数
上面的key参数的使用非常广泛，因此python提供了一些方便的函数来使得访问方法更加容易和快速。operator模块有itemgetter，attrgetter，从开始还增加了methodcaller方法。使用这些方法，上面的操作将变得更加简洁和快速:
>>> 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)]
operator模块还允许多级的排序，例如，先以grade，然后再以age来排序:
>>> sorted(student_tuples, key=itemgetter(1,2))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]
>>> sorted(student_objects, key=attrgetter('grade', 'age'))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]
4）升序和降序
()和sorted()都接受一个参数reverse（True or False）来表示升序或降序排序。例如对上面的student降序排序如下:
>>> sorted(student_tuples, key=itemgetter(2), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
>>> sorted(student_objects, key=attrgetter('age'), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
5）排序的稳定性和复杂排序
从开始，排序被保证为稳定的。意思是说多个元素如果有相同的key，则排序前后他们的先后顺序不变。
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> sorted(data, key=itemgetter(0))
[('blue', 1), ('blue', 2), ('red', 1), ('red', 2)]
注意在排序后'blue'的顺序被保持了，即'blue', 1在'blue', 2的前面。
更复杂地你可以构建多个步骤来进行更复杂的排序，例如对student数据先以grade降序排列，然后再以age升序排列。
>>> s = sorted(student_objects, key=attrgetter('age')) # sort on secondary key
>>> sorted(s, key=attrgetter('grade'), reverse=True) # now sort on primary key, descending
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
6）最老土的排序方法-DSU
我们称其为DSU（Decorate-Sort-Undecorate）,原因为排序的过程需要下列三步:
第一:对原始的list进行装饰，使得新list的值可以用来控制排序；
第二:对装饰后的list排序；
第三:将装饰删除，将排序后的装饰list重新构建为原来类型的list；
例如，使用DSU方法来对student数据根据grade排序:
>>> decorated = [(, i, student) for i, student in enumerate(student_objects)]
>>> ()
>>> [student for grade, i, student in decorated] # undecorate
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
上面的比较能够工作，原因是tuples是可以用来比较，tuples间的比较首先比较tuples的第一个元素，如果第一个相同再比较第二个元素，以此类推。
并不是所有的情况下都需要在以上的tuples中包含索引，但是包含索引可以有以下好处:
第一:排序是稳定的，如果两个元素有相同的key，则他们的原始先后顺序保持不变；
第二:原始的元素不必用来做比较，因为tuples的第一和第二元素用来比较已经是足够了。
此方法被RandalL.在perl中广泛推广后，他的另一个名字为也被称为Schwartzian transform。
对大的list或list的元素计算起来太过复杂的情况下，在前，DSU很可能是最快的排序方法。但是在之后，上面解释的key函数提供了类似的功能。
7）其他语言普遍使用的排序方法-cmp函数
在前，sorted()和()函数没有提供key参数，但是提供了cmp参数来让用户指定比较函数。此方法在其他语言中也普遍存在。
在中，cmp参数被彻底的移除了，从而简化和统一语言，减少了高级比较和__cmp__方法的冲突。
在中cmp参数指定的函数用来进行元素间的比较。此函数需要2个参数，然后返回负数表示小于，0表示等于，正数表示大于。例如:
>>> def numeric_compare(x, y):
return x - y
>>> sorted([5, 2, 4, 1, 3], cmp=numeric_compare)
[1, 2, 3, 4, 5]
或者你可以反序排序:
>>> def reverse_numeric(x, y):
return y - x
>>> sorted([5, 2, 4, 1, 3], cmp=reverse_numeric)
[5, 4, 3, 2, 1]
当我们将现有的的代码移植到时，需要将cmp函数转化为key函数，以下的wrapper很有帮助:
def cmp_to_key(mycmp):
'Convert a cmp= function into a key= function'
class K(object):
def __init__(self, obj, *args):
= obj
def __lt__(self, other):
return mycmp(, ) < 0
def __gt__(self, other):
return mycmp(, ) > 0
def __eq__(self, other):
return mycmp(, ) == 0
def __le__(self, other):
return mycmp(, ) <= 0
def __ge__(self, other):
return mycmp(, ) >= 0
def __ne__(self, other):
return mycmp(, ) != 0
return K
当需要将cmp转化为key时，只需要:
>>> sorted([5, 2, 4, 1, 3], key=cmp_to_key(reverse_numeric))
[5, 4, 3, 2, 1]
从，cmp_to_key()函数被增加到了functools模块中。
8)其他注意事项
* 对需要进行区域相关的排序时，可以使用()作为key函数，或者使用()作为cmp函数。
* reverse参数任然保持了排序的稳定性，有趣的时，同样的效果可以使用reversed()函数两次来实现:
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> assert sorted(data, reverse=True) == list(reversed(sorted(reversed(data))))
* 其实排序在内部是调用元素的__cmp__来进行的，所以我们可以为元素类型增加__cmp__方法使得元素可比较，例如:
>>> = lambda self, other: <
>>> sorted(student_objects)
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
* key函数不仅可以访问需要排序元素的内部数据，还可以访问外部的资源，例如，如果学生的成绩是存储在dictionary中的，则可以使用此dictionary来对学生名字的list排序，如下:
>>> students = ['dave', 'john', 'jane']
>>> newgrades = {'john': 'F', 'jane':'A', 'dave': 'C'}
>>> sorted(students, key=)
['jane', 'dave', 'john']
*当你需要在处理数据的同时进行排序的话，sort(),sorted()或()不是最好的方法。在这种情况下，可以使用heap，red-black tree或treap。
python的dict如何排序
Python的内置dictionary数据类型是无序的，通过key来获取对应的value。可是有时我们需要对dictionary中 的item进行排序输出，可能根据key，也可能根据value来排
#最简单的方法，这个是按照key值排序:
def sortedDictValues1(adict):
items = ()
()
return [value for key, value in items]
#又一个按照key值排序，貌似比上一个速度要快点
def sortedDictValues2(adict):
keys = ()
()
return [dict[key] for key in keys]
#还是按key值排序，据说更快。。。而且当key为tuple的时候照样适用
def sortedDictValues3(adict):
keys = ()
()
return map(, keys)
#一行语句搞定:
[(k,di[k]) for k in sorted(())]
#来一个根据value排序的，先把item的key和value交换位置放入一个list中，再根据list每个元素的第一个值，即原来的value值，排序:
def sort_by_value(d):
items=()
backitems=[[v[1],v[0]] for v in items]
()
return [ backitems[i][1] for i in range(0,len(backitems))]
#还是一行搞定:
[ v for v in sorted(())]
#用lambda表达式来排序，更灵活:
sorted((), lambda x, y: cmp(x[1], y[1])), 或反序:
sorted((), lambda x, y: cmp(x[1], y[1]), reverse=True)
#用sorted函数的key= 参数排序:
# 按照key进行排序
print sorted((), key=lambda d: d[0])
# 按照value进行排序
print sorted((), key=lambda d: d[1])
下面给出python内置sorted函数的帮助文档:
sorted(...)
sorted(iterable, cmp=None, key=None, reverse=False) --> new sorted list
看了上面这么多种对dictionary排序的方法，其实它们的核心思想都一样，即把dictionary中的元素分离出来放到一个list中，对list排序，从而间接实现对dictionary的排序。这个“元素”可以是key，value或者item。
按照value排序可以用
sorted(, key=lambda d:d[1])
若版本低不支持sorted
将key,value 以tuple一起放在一个list中
l = []
((akey,avalue))...
用sort（）
(lambda a,b :cmp(a[1],b[1]))(cmp前加“-”表示降序排序)
[图片1]
Python如何排序数据
排序基础
简单的升序排序非常容易:只需调用 sorted() 函数，就得到一个有序的新列表:
>>> sorted([5, 2, 3, 1, 4])
[1, 2, 3, 4, 5]
>>> sorted([5, 2, 3, 1, 4])
[1, 2, 3, 4, 5]
你也可以使用 () 方法，此方法为就地排序（并且返回 None 来避免混淆）。通常来说这不如 sorted() 方便——但是当你不需要保留原始列表的时候，这种方式略高效一些。
Python
>>> a = [5, 2, 3, 1, 4]
>>> ()
>>> a
[1, 2, 3, 4, 5]
>>> a = [5, 2, 3, 1, 4]
>>> ()
>>> a
[1, 2, 3, 4, 5]
另外一个区别是 () 方法只可以供列表使用，而 sorted() 函数可以接受任意可迭代对象（iterable）。
Python
>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]
1
2
>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]
Key 函数
() 和 sorted() 都有一个 key 参数，用于指定在作比较之前，调用何种函数对列表元素进行处理。 For example, here’s a case-insensitive string comparison: 例如，忽略大小写的字符串比较:
>>> sorted("This is a test string from Andrew".split(), key=)
['a', 'Andrew', 'from', 'is', 'string', 'test', 'This']
>>> sorted("This is a test string from Andrew".split(), key=)
['a', 'Andrew', 'from', 'is', 'string', 'test', 'This']
key 参数的值应该是一个函数，该函数接收一个参数，并且返回一个 key 为排序时所用。这种方法速度很快，因为每个输入项仅调用一次 key 函数。
一种常见模式是使用对象的下标作为 key 来排序复杂对象。例如:
>>> student_tuples = [
('john', 'A', 15),
('jane', 'B', 12),
('dave', 'B', 10),
]
>>> sorted(student_tuples, key=lambda student: student[2]) # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
>>> student_tuples = [
('john', 'A', 15),
('jane', 'B', 12),
('dave', 'B', 10),
]
>>> sorted(student_tuples, key=lambda student: student[2]) # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
同样的技巧也可以用在带有命名属性（named attributes）的对象上。
>>> class Student:
def <strong>init</strong>(self, name, grade, age):
= name
= grade
= age
def <strong>repr</strong>(self):
return repr((, , ))
>>> class Student:
def <strong>init</strong>(self, name, grade, age):
= name
= grade
= age
def <strong>repr</strong>(self):
return repr((, , ))
>>> student_objects = [
Student('john', 'A', 15),
Student('jane', 'B', 12),
Student('dave', 'B', 10),
]
>>> sorted(student_objects, key=lambda student: ) # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
>>> student_objects = [
Student('john', 'A', 15),
Student('jane', 'B', 12),
Student('dave', 'B', 10),
]
>>> sorted(student_objects, key=lambda student: ) # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
上述的 key 函数模式是非常常见的，所以 Python 提供了一些更简单快速的访问属性的函数。operator 模块有 itemgetter()、attrgetter() 和 methodcaller() 函数。 Using those functions, the above examples become simpler and faster: 使用这些函数，可以使上述的示例更加简洁高效:
>>> from operator import itemgetter, attrgetter
>>> from operator import itemgetter, attrgetter
>>> sorted(student_tuples, key=itemgetter(2))
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
>>> 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)]
>>> sorted(student_objects, key=attrgetter('age'))
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
operator 模块方法允许多级排序。例如，可以先按 grade 排序，然后再按 age 排序:
>>> sorted(student<em>tuples, key=itemgetter(1,2))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]</em>
>>> sorted(student<em>tuples, key=itemgetter(1,2))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]</em>
>>> sorted(student_objects, key=attrgetter('grade', 'age'))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]
>>> sorted(student_objects, key=attrgetter('grade', 'age'))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]
() 和 sorted() 都有布尔型的 reverse 参数，用来指定是否降序。例如，按 age 的降序来对学生数据进行排序:
>>> sorted(student_tuples, key=itemgetter(2), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
>>> sorted(student_tuples, key=itemgetter(2), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
>>> sorted(student_objects, key=attrgetter('age'), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
>>> sorted(student_objects, key=attrgetter('age'), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
排序是保证为稳定的，也就是说，当多条记录拥有相同的 key 时，原始的顺序会被保留下来。
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> sorted(data, key=itemgetter(0))
[('blue', 1), ('blue', 2), ('red', 1), ('red', 2)]
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> sorted(data, key=itemgetter(0))
[('blue', 1), ('blue', 2), ('red', 1), ('red', 2)]
注意到两条 blue 记录保持了原来的顺序， 所以 (‘blue’, 1) 一定在 (‘blue’, 2) 之前。
这个非常棒的属性允许你通过一系列排序来进行复杂排序。例如，学生数据先按 grade 升序，然后按 age 降序，优先排序 age，然后再按 grade 排序:
Python
>>> s = sorted(student_objects, key=attrgetter('age')) # sort on secondary key
>>> sorted(s, key=attrgetter('grade'), reverse=True) # now sort on primary key, descending
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
>>> s = sorted(student_objects, key=attrgetter('age')) # sort on secondary key
>>> sorted(s, key=attrgetter('grade'), reverse=True) # now sort on primary key, descending
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
Python 使用的 Timsort 算法由于可以有效利用数据集中已有的顺序，因而可以高效地进行多级排序。
Python排序的方法
列表排序
只需调用python中的sorted()方法就可以实现升序排序
>>> sorted([5, 2, 3, 1, 4])
[1, 2, 3, 4, 5]
加入一行(reverse = True)就能实现降序排序
2.冒泡排序
1.比较相邻的元素。如果第一个比第二个大，就交换他们两个。
2.对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。在这一点，最后的元素应该会是最大的数。
3.针对所有的元素重复以上的步骤，除了最后一个。
4.持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。
def sort(lists, left, right):
if left >= right:
return lists
key = lists[left]
low = left
high = right
while left < right:
while left < right and lists[right] >= key:
right -= 1
lists[left] = lists[right]
while left < right and lists[left] <= key:
left += 1
lists[right] = lists[left]
lists[right] = key
quick_sort(lists, low, left - 1)
quick_sort(lists, left + 1, high)
return lists
if __name__ == '__main__':
lists = [5, 2, 3, 1, 4]
print sort(lists)
3.快速排序
设要排序的数组是A[0]……A[N-1]，首先任意选取一个数据（通常选用数组的第一个数）作为关键数据，然后将所有比它小的数都放到它前面，所有比它大的数都放到它后面，这个过程称为一趟快速排序。值得注意的是，快速排序不是一种稳定的排序算法，也就是说，多个相同的值的相对位置也许会在算法结束时产生变动。
一趟快速排序的算法是:
1）设置两个变量i、j，排序开始的时候:i=0，j=N-1；
2）以第一个数组元素作为关键数据，赋值给key，即key=A[0]；
3）从j开始向前搜索，即由后开始向前搜索(j–)，找到第一个小于key的值A[j]，将A[j]和A[i]互换；
4）从i开始向后搜索，即由前开始向后搜索(i++)，找到第一个大于key的A[i]，将A[i]和A[j]互换；
5）重复第3、4步，直到i=j； (3,4步中，没找到符合条件的值，即3中A[j]不小于key,4中A[i]不大于key的时候改变j、i的值，使得j=j-1，i=i+1，直至找到为止。找到符合条件的值，进行交换的时候i， j指针位置不变。另外，i==j这一过程一定正好是i+或j-完成的时候，此时令循环结束）。
def sort(lists, left, right):
if left >= right:
return lists
key = lists[left]
low = left
high = right
while left < right:
while left < right and lists[right] >= key:
right -= 1
lists[left] = lists[right]
while left < right and lists[left] <= key:
left += 1
lists[right] = lists[left]
lists[right] = key
quick_sort(lists, low, left - 1)
quick_sort(lists, left + 1, high)
return lists
if __name__ == '__main__':
lists = [5, 2, 3, 1, 4]
print sort(lists)
4.插入排序
每步将一个待排序的纪录，按其关键码值的大小插入前面已经排序的文件中适当位置上，直到全部插入完为止。
这里写图片描述
def sort(lists):
count = len(lists)
for i in range(0, count):
min = i
for j in range(i + 1, count):
if lists[min] > lists[j]:
min = j
lists[min], lists[i] = lists[i], lists[min]
return lists
if __name__ == '__main__':
lists = [5, 2, 3, 1, 4]
print sort(lists)