Python中對(duì)元組和列表按條件進(jìn)行排序的方法示例
在python中對(duì)一個(gè)元組排序
我的同事Axel Hecht 給我展示了一些我所不知道的關(guān)于python排序的東西。 在python里你可以對(duì)一個(gè)元組進(jìn)行排序。例子是最好的說(shuō)明:
>>> items = [(1, 'B'), (1, 'A'), (2, 'A'), (0, 'B'), (0, 'a')] >>> sorted(items) [(0, 'B'), (0, 'a'), (1, 'A'), (1, 'B'), (2, 'A')]
默認(rèn)情況下內(nèi)置的sort和sorted函數(shù)接收的參數(shù)是元組時(shí),他將會(huì)先按元組的第一個(gè)元素進(jìn)行排序再按第二個(gè)元素進(jìn)行排序。 然而,注意到結(jié)果中(0, 'B')在(0, 'a')的前面。這是因?yàn)榇髮懽帜窧的ASCII編碼比a小。然而,假設(shè)你想要一些更人性的排序并且不關(guān)注大小寫。你或許會(huì)這么做:
>>> sorted(items, key=str.lower) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: descriptor 'lower' requires a 'str' object but received a 'tuple'
我們將會(huì)得到一個(gè)錯(cuò)誤,因?yàn)樗荒苷_處理元組的第一部分。(注:原文作者估計(jì)想說(shuō)元組中第一項(xiàng)是數(shù)字,不能使用lower這個(gè)方法;正確的原因提示的很明顯了,是因?yàn)槟銈鬟f的是一個(gè)元組,而元組是沒(méi)有l(wèi)ower這個(gè)方法的)
我們可以試著寫一個(gè)lambda函數(shù)(eg.sorted(items, key=lambda x: x.lower() if isinstance(x, str) else x)),他將不會(huì)工作因?yàn)槟阒惶幚砹嗽M的一個(gè)元素。(注:同上面,作者這么做必然是錯(cuò)的,思考給這個(gè)lambda傳一個(gè)元組,返回的是什么?)
言歸正傳,下面就是你應(yīng)該怎么做的方法。一個(gè)lambda,它會(huì)返回一個(gè)元組:
>>> sorted(items, key=lambda x: (x[0], x[1].lower())) [(0, 'a'), (0, 'B'), (1, 'A'), (1, 'B'), (2, 'A')]
現(xiàn)在你完成了它!謝謝Axel的分享!
我確信你知道你可以倒序排列,僅僅使用sorted(items, reverse=True, …),但是你怎么根據(jù)關(guān)鍵字來(lái)進(jìn)行不同的排序?
使用lambda函數(shù)返回元組的技巧,下面是一個(gè)我們排序一個(gè)稍微高級(jí)的數(shù)據(jù)結(jié)構(gòu):
>>> peeps = [{'name': 'Bill', 'salary': 1000}, {'name': 'Bill', 'salary': 500}, {'name': 'Ted', 'salary': 500}]
現(xiàn)在,使用lambda函數(shù)返回一個(gè)元組的特性來(lái)排序:
>>> sorted(peeps, key=lambda x: (x['name'], x['salary']))
[{'salary': 500, 'name': 'Bill'}, {'salary': 1000, 'name': 'Bill'}, {'salary': 500, 'name': 'Ted'}]
很有意思,對(duì)吧?Bill 在Ted的前面,并且500在1000的前面。但是如何在相同的 name 下,對(duì) salary 反向排序?很簡(jiǎn)單,對(duì)它取反:
>>> sorted(peeps, key=lambda x: (x['name'], -x['salary']))
[{'salary': 1000, 'name': 'Bill'}, {'salary': 500, 'name': 'Bill'}, {'salary': 500, 'name': 'Ted'}]
問(wèn)題:將列表[[1, 2, 3], [4, 5, 6], [7, 8, 9]]排序?yàn)閇[1, 4, 7], [2, 5, 8], [3, 6, 9]]
分析:
1.轉(zhuǎn)變過(guò)程如下:
1 2 3 1 4 7
4 5 6 —> 2 5 8
7 8 9 3 6 9
可以將變換過(guò)程看成是原二維數(shù)組行(row)變成新數(shù)組的列(column),即抽出原數(shù)組第一行(row)作為第一列(column),第二行(row)作為第二列(column)…當(dāng)然也可以將變換過(guò)程看成是原數(shù)組的列變?yōu)樾聰?shù)組的行,限于時(shí)間,就暫不考慮這種實(shí)現(xiàn)方式。
2.最原始的做法,寫兩個(gè)for循環(huán),外層循環(huán)依次迭代數(shù)組的行(row),內(nèi)層循環(huán)迭代數(shù)組的列(column),來(lái)實(shí)現(xiàn)這個(gè)反轉(zhuǎn)過(guò)程,將原數(shù)組第一行(row)作為第一列(column),第二行(row)作為第二列(column),過(guò)程如下:
In [7]: l = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] In [8]: len_row = 3 In [9]: len_col = 3 In [10]: temp = [[],[],[]] In [11]: for row in l: ....: for i in range(len_col): ....: temp[i].append(row[i]) ....: print temp ....: [[1], [2], [3]] [[1, 4], [2, 5], [3, 6]] [[1, 4, 7], [2, 5, 8], [3, 6, 9]] In [12]:
當(dāng)然,還可以使用列表推導(dǎo)來(lái)做,原理和上面一樣,外層迭代row,內(nèi)層迭代col,生成新的列表:
In [100]: l Out[100]: [[1, 2, 3], [4, 5, 6], [7, 8, 9]] In [101]: [[row[col] for row in l] for col in range(len(l[0])) ] Out[101]: [[1, 4, 7], [2, 5, 8], [3, 6, 9]]
最后,對(duì)這個(gè)題目,用zip也可以達(dá)到同樣的目的:
In [104]: l Out[104]: [[1, 2, 3], [4, 5, 6], [7, 8, 9]] In [105]: zip(*l) Out[105]: [(1, 4, 7), (2, 5, 8), (3, 6, 9)] In [106]: map(list,zip(*l)) Out[106]: [[1, 4, 7], [2, 5, 8], [3, 6, 9]]
*這個(gè)符號(hào)和列表配合有解壓的意思,如l=[[1, 2, 3], [4, 5, 6], [7, 8, 9]],則我理解*l就變成了[1, 2, 3], [4, 5, 6], [7, 8, 9]這樣三個(gè)值,所以zip(*l)和zip([1, 2, 3], [4, 5, 6], [7, 8, 9])的結(jié)果才會(huì)是一樣的,如下:
In [17]: l=[[1, 2, 3], [4, 5, 6], [7, 8, 9]] In [18]: zip([1, 2, 3], [4, 5, 6], [7, 8, 9]) Out[18]: [(1, 4, 7), (2, 5, 8), (3, 6, 9)] In [19]: zip(*l) Out[19]: [(1, 4, 7), (2, 5, 8), (3, 6, 9)] In [20]:
相關(guān)文章
刪除pandas中產(chǎn)生Unnamed:0列的操作
這篇文章主要介紹了刪除pandas中產(chǎn)生Unnamed:0列的操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-03-03
python實(shí)現(xiàn)微信自動(dòng)回復(fù)及批量添加好友功能
這篇文章主要介紹了python實(shí)現(xiàn)微信自動(dòng)回復(fù)及python 批量生成微信添加好友截圖功能的實(shí)例代碼,代碼簡(jiǎn)單易懂,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-07-07
Python+OpenCV內(nèi)置方法實(shí)現(xiàn)行人檢測(cè)
OpenCV附帶一個(gè)預(yù)訓(xùn)練的HOG+線性SVM模型,可用于在圖像和視頻流中執(zhí)行行人檢測(cè)。本文我們將使用Opencv自帶的模型實(shí)現(xiàn)對(duì)視頻流中的行人檢測(cè)。感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2021-12-12
詳談Python高階函數(shù)與函數(shù)裝飾器(推薦)
下面小編就為大家?guī)?lái)一篇詳談Python高階函數(shù)與函數(shù)裝飾器(推薦)。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-09-09
Python實(shí)現(xiàn)打印詳細(xì)報(bào)錯(cuò)日志,獲取報(bào)錯(cuò)信息位置行數(shù)
這篇文章主要介紹了Python實(shí)現(xiàn)打印詳細(xì)報(bào)錯(cuò)日志,獲取報(bào)錯(cuò)信息位置行數(shù)方式,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2023-08-08
python實(shí)現(xiàn)自動(dòng)化之文件合并
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)自動(dòng)化文件合并,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-08-08

