python中的排序操作和heapq模块的介绍（代码示例）
本篇文章給大家帶來的內容是關于python中的排序操作和heapq模塊的介紹（代碼示例），有一定的參考價值，有需要的朋友可以參考一下，希望對你有所幫助。
說到排序，很多人可能第一想到的就是sorted,但是你可能不知道python中其實還有還就中方法喲，并且好多種場景下效率都會比sorted高。那么接下來我就依次來介紹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']
#總結上面兩種排序：字符串排序根據元素首字符的ASCII比較進行排序，
#數字類型按照大小排序，數字不能混合排序
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參數我就不作說明了，就是把結果進行倒序，可用作降序排列
介紹一種比lambda效率高的方式：
operator模塊中的方法itemgetter
>>> itemgetter(1)('ABCDEFG')
'B'
>>> itemgetter(1,3,5)('ABCDEFG')
('B', 'D', 'F')
>>> itemgetter(slice(2,None))('ABCDEFG')
'CDEFG
運用到上述代碼
print(sorted(list3,key=itemgetter('age','price'))) #結果同上但效率會比較高
登錄后復制
接下來的排序操作涉及到一個非常重要的一種數據結構——堆，不過今天我主要介紹這個模塊中的方法，具體什么是堆，及其還有一種數據結構——棧，有時間我會專門寫一篇文章來介紹。
heapq(Python內置的模塊)
__all__ = ['heappush', 'heappop', 'heapify', 'heapreplace', 'merge',
'nlargest', 'nsmallest', 'heappushpop']
登錄后復制
接下來我們一一介紹。
nlargest與nsmallest,通過字面意思可以看出方法大致的作用，接下來動手測驗
nlargest(n, iterable, key=None)
nsmallest(n, iterable, key=None)
#n:查找個數 iterable:可迭代對象 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')))
#以上代碼輸出結果同sorted
print(heapq.nsmallest(len(list1),list1))
print(heapq.nsmallest(len(list2),list2))
print(heapq.nsmallest(len(list3),list3,key=itemgetter('age','price')))
#結果是降序
[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}]
登錄后復制
heappush,heappop,heapify,heapreplace,heappushpop
堆結構特點：heap[0]永遠是最小的元素(利用此特性排序)
heapify：對序列進行堆排序， heappush:在堆序列中添加值 heappop:刪除最小值并返回 heappushpop:添加并刪除堆中最小值且返回，添加之后刪除 heapreplace:添加并刪除隊中最小值且返回，刪除之后添加 nums=[54,23,64.,323,53,3,212,453,65] heapify(nums) #先進行堆排序 print(heappop(nums)) #3 print(heappush(nums,50)) #添加操作，返回None print(heappushpop(nums,10)) #由于是添加后刪除，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]
登錄后復制
merge：合并多個序列
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]
#發現輸出結果不僅進行了合并，還進行了排序，有意思哈，可是換個代碼測驗，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]
#你們肯定想這是什么鬼，一點都沒有頭緒，其實經過我的多次測驗，還是有規律的，但是由于沒有什么作用就不大篇幅說明了，喜歡刨根問題的小伙伴可以嘗試自己思考一下。
登錄后復制
小伙伴們有沒有想我為何介紹這個模塊，并且和排序放在一起呢，其實在很多時候我們需要找序列中的前幾個最大值或者最小值，使用此模塊中的方法是最好不過的了。
如果需要全部排序我們使用sorted，需要查找最大或最小的幾個或者多個我們使用alargest/asmallest,查找最大最小使用max/min
以上就是python中的排序操作和heapq模塊的介紹（代碼示例）的詳細內容，更多請關注風君子博客其它相關文章！
總結
以上是生活随笔為你收集整理的python中的排序操作和heapq模块的介绍（代码示例）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 投影仪在墙上伤眼睛吗
- 下一篇： 说了 17 年，马斯克口中的特斯拉“便宜