如何根据对象的属性对对象列表进行排序？

Question

我有一个 Python 对象列表，我想按每个对象的特定属性进行排序：

[Tag(name="toe", count=10), Tag(name="leg", count=2), ...]

How do I sort the list by .count inscending order?

Answer 1

对列表进行就地排序：

orig_list.sort(key=lambda x: x.count, reverse=True)

要返回新列表，请使用 sorted：

new_list = sorted(orig_list, key=lambda x: x.count, reverse=True)

说明：

• key=lambda x: x.count 按计数排序。
• reverse=True 按降序排序。

有关按键排序的更多信息。

Answer 2

最快的方法是使用 operator.attrgetter("count")，特别是当您的列表有很多记录时。 但是，这可能会在 Python 的预运算符版本上运行，因此最好有一个后备机制。 那么您可能想要执行以下操作：

try: import operator
except ImportError: keyfun= lambda x: x.count # use a lambda if no operator module
else: keyfun= operator.attrgetter("count") # use operator since it's faster than lambda

ut.sort(key=keyfun, reverse=True) # sort in-place

Answer 3

读者应该注意到 key= 方法：

ut.sort(key=lambda x: x.count, reverse=True)

比向对象添加丰富的比较运算符快很多倍。 我很惊讶地读到了这篇文章（《Python in a Nutshell》第 485 页）。 您可以通过在这个小程序上运行测试来确认这一点：

#!/usr/bin/env python
import random

class C:
    def __init__(self,count):
        self.count = count

    def __cmp__(self,other):
        return cmp(self.count,other.count)

longList = [C(random.random()) for i in xrange(1000000)] #about 6.1 secs
longList2 = longList[:]

longList.sort() #about 52 - 6.1 = 46 secs
longList2.sort(key = lambda c: c.count) #about 9 - 6.1 = 3 secs

我的，非常小的测试显示第一个排序慢了 10 倍以上，但书上说它通常只慢了 5 倍左右。 他们这么说的原因是由于Python中使用的高度优化的排序算法（timsort）。

不过，很奇怪的是 .sort(lambda) 比普通的旧 .sort() 更快。 我希望他们能解决这个问题。

Answer 4

面向对象的方法

最好将对象排序逻辑（如果适用）作为类的属性，而不是将其合并到需要排序的每个实例中。

这确保了一致性并消除了对样板代码的需要。

您至少应该指定 __eq__ 和 __lt__ 操作才能使其正常工作。 然后只需使用sorted(list_of_objects)。

class Card(object):

    def __init__(self, rank, suit):
        self.rank = rank
        self.suit = suit

    def __eq__(self, other):
        return self.rank == other.rank and self.suit == other.suit

    def __lt__(self, other):
        return self.rank < other.rank

hand = [Card(10, 'H'), Card(2, 'h'), Card(12, 'h'), Card(13, 'h'), Card(14, 'h')]
hand_order = [c.rank for c in hand]  # [10, 2, 12, 13, 14]

hand_sorted = sorted(hand)
hand_sorted_order = [c.rank for c in hand_sorted]  # [2, 10, 12, 13, 14]

Answer 5

from operator import attrgetter
ut.sort(key = attrgetter('count'), reverse = True)

Answer 6

它看起来很像 Django ORM 模型实例的列表。

为什么不在查询中对它们进行排序，如下所示：

ut = Tag.objects.order_by('-count')

Answer 7

如果您要排序的属性是属性，那么您可以避免导入operator.attrgetter并使用属性的fget 方法代替。

例如，对于具有属性 radius 的类 Circle，我们可以按半径对 circle 列表进行排序，如下所示：

result = sorted(circles, key=Circle.radius.fget)

这不是最好的- 已知的功能，但通常可以节省我的导入时间。

Answer 8

向对象类添加丰富的比较运算符，然后使用列表的 sort() 方法。
请参阅Python 中的丰富比较。

---

更新：虽然这种方法可行，但我认为 Triptych 的解决方案更适合您的情况，因为方法更简单。

Answer 9

另外，如果有人想要对包含字符串和数字的列表进行排序，例如，

 eglist=[
     "some0thing3",
     "some0thing2",
     "some1thing2",
     "some1thing0",
     "some3thing10",
     "some3thing2",
     "some1thing1",
     "some0thing1"]

那么这里是代码：

import re

def atoi(text):
    return int(text) if text.isdigit() else text

def natural_keys(text):
    return [ atoi(c) for c in re.split(r'(\d+)', text) ]

eglist=[
         "some0thing3",
         "some0thing2",
         "some1thing2",
         "some1thing0",
         "some3thing10",
         "some3thing2",
         "some1thing1",
         "some0thing1"
]

eglist.sort(key=natural_keys)
print(eglist)

Answer 10

@Jose M Vidal 的答案提到了一些重要的事情：使用丰富的比较（__lt__、__eq__ 等，如 @jpp 的答案）使得排序比传递关键函数慢得多（如已接受的答案）。 然而，他们最终展示了一个使用 Python 3 中不存在的 __cmp__ 方法的测试（tbf 确实比 Python 2 中传递密钥慢得多）。

我想指出的是，即使在 Python 3.12.0 中，使用 @jpp 的答案中的丰富比较也会使排序比传递关键函数慢得多。

下面显示了一些 timeit 测试的结果，其中比较了使用丰富比较进行排序与​​ lambda 键函数与 operator.attrgetter 作为键的排序。 对于包含 10k 项的列表，使用丰富比较时大约花费 18.8 毫秒，而使用 lambda 键函数时花费 2.93 毫秒，使用 operator.attrgetter 时花费 2.47 毫秒。

因此，正如 @tzot 提到的，operator.attrgetter 比 lambda 更快； 然而，首先使用关键函数而不是丰富的比较可以使排序速度提高 5 倍以上。

import timeit
import random
from operator import attrgetter

class Card(object):

    def __init__(self, rank):
        self.rank = rank

    def __eq__(self, other):
        return self.rank == other.rank

    def __lt__(self, other):
        return self.rank < other.rank

n = 100
random.seed(0)
lst = [Card(random.randrange(10000)) for _ in range(10000)]


min(timeit.repeat(lambda: sorted(lst), number=n))/n
# 0.018813106999732553

min(timeit.repeat(lambda: sorted(lst, key=lambda card: card.rank), number=n))/n
# 0.0029304770001908763

min(timeit.repeat(lambda: sorted(lst, key=attrgetter('rank')), number=n))/n
# 0.00247172600007616