在 Python 中對一個可迭代對象進(jìn)行排序是很常見的一個操作，一般會用到 sorted() 函數(shù)

num_list = [4, 2, 8, -9, 1, -3]sorted_num_list = sorted(num_list)print(sorted_num_list)

上面的代碼是對整數(shù)列表 num_list 按從小到大的順序進(jìn)行排序，得到的結(jié)果如下

[-9, -3, 1, 2, 4, 8]

有時候不僅僅是對元素本身進(jìn)行排序，而是在元素值的基礎(chǔ)上進(jìn)行一些計(jì)算之后再進(jìn)行比較，比如將 num_list 中的元素按照其平方值的大小進(jìn)行排序。

在 Python 2 中，可以通過 sorted() 函數(shù)中的 cmp 或 key 參數(shù)來實(shí)現(xiàn)這種自定義的比較邏輯。cmp 比較函數(shù)接收兩個參數(shù) x 和 y（x 和 y 都是列表中元素）并且返回一個數(shù)字，如果返回正數(shù)表示 x > y，返回 0 表示 x == y，返回負(fù)數(shù)表示 x < y。key 函數(shù)接收一個參數(shù)，重新計(jì)算出一個結(jié)果，然后用計(jì)算出的結(jié)果參與排序比較。因此在 Python 2 中按平方值大小排序可以有下面兩種實(shí)現(xiàn)方式

num_list = [4, 2, 8, -9, 1, -3]# cmp 參數(shù)只在 Python 2 中存在，Python 3 及之后的版本移除了 cmp 參數(shù)sorted_num_list = sorted(num_list, cmp=lambda x, y: x ** 2 - y ** 2)sorted_num_list = sorted(num_list, key=lambda x: x ** 2)

但是隨著 Python 3.0 的發(fā)布，cmp 參數(shù)也隨之被移除了，也就是說在 Python 3 中自定義比較邏輯就只能通過 key 參數(shù)來實(shí)現(xiàn)。至于為什么將 cmp 參數(shù)移除，在 Python 的 Issue tracker 中有一段很長的討論，主要有以下兩點(diǎn)原因

cmp 是一個冗余參數(shù)，所有使用 cmp 的場景都可以用 key 來代替 使用 key 比使用 cmp 的性能更快，對于有 N 個元素的列表，在排序過程中如果調(diào)用 cmp 進(jìn)行比較，那么 cmp 的調(diào)用次數(shù)為 Nlog(N) 量級（基于比較的排序的最快時間復(fù)雜度），如果使用 key 參數(shù)，那么只需要在每個元素上調(diào)用一次 key 函數(shù)，只有 N 次調(diào)用，雖然使用 key 參數(shù)也要進(jìn)行 O(Nlog(N)) 量級比較次數(shù)，但這些比較是在 C 語言層，比調(diào)用用戶自定義的函數(shù)快。

關(guān)于上面性能的問題，我做了一個實(shí)驗(yàn)，分別隨機(jī)生成 1000、10000、100000 和 1000000 個整數(shù)，然后用 key 和 cmp 的方式分別進(jìn)行排序并記錄排序的時間消耗

import randomimport timecounts = (1000, 10000, 100000, 1000000)def custom_cmp(x, y): return x ** 2 - y ** 2def custom_key(x): return x ** 2print(’%7s%20s%20s’ % (’count’, ’cmp_duration’, ’key_duration’))for count in counts: min_num = -count // 2 max_num = count // 2 nums = [random.randint(min_num, max_num) for _ in range(count)] start = time.time() sorted(nums, cmp=custom_cmp) cmp_duration = time.time() - start start = time.time() sorted(nums, key=custom_key) key_duration = time.time() - start print(’%7d%20.2f%20.2f’ % (count, cmp_duration, key_duration))

在我的筆記本上一次運(yùn)行結(jié)果如下

count cmp_duration key_duration 10000.000.00 100000.020.01 1000000.340.1110000004.751.85

可以看到，當(dāng)列表中數(shù)字的數(shù)量超過 100000 的時候，使用 key 函數(shù)的性能優(yōu)勢就非常明顯了，比 cmp 快了 2~3 倍。

對于熟悉 Java 或 C++ 等其他編程語言的同學(xué)來說，可能更熟悉 cmp 的比較方式。其實(shí) Python 3 中也可以通過 functools 工具包中的 cmp_to_key() 函數(shù)來將 cmp 轉(zhuǎn)換成 key，從而使用接收兩個參數(shù)的自定義比較函數(shù) cmp。

import functoolsnum_list = [4, 2, 8, -9, 1, -3]def custom_cmp(x, y): return x ** 2 - y ** 2sorted_num_list = sorted(num_list, key=functools.cmp_to_key(custom_cmp))print(sorted_num_list)

那么，cmp_to_key() 函數(shù)是如何將 cmp 轉(zhuǎn)換成 key 的呢，我們可以通過源碼一探究竟

def cmp_to_key(mycmp): '''Convert a cmp= function into a key= function''' class K(object): __slots__ = [’obj’] def __init__(self, obj): self.obj = obj def __lt__(self, other): return mycmp(self.obj, other.obj) < 0 def __gt__(self, other): return mycmp(self.obj, other.obj) > 0 def __eq__(self, other): return mycmp(self.obj, other.obj) == 0 def __le__(self, other): return mycmp(self.obj, other.obj) <= 0 def __ge__(self, other): return mycmp(self.obj, other.obj) >= 0 __hash__ = None return K

其實(shí) cmp_to_key() 返回的是一個類 K，只不過在類 K 中重載了各種比較運(yùn)算符，重載的過程中使用到了自定義的比較函數(shù) mycmp，使得 K 的大小比較邏輯與 mycmp 一致。這樣，對于 num_list 中的每個元素 num 都會執(zhí)行一次 K(num) 生成一個類 K 的實(shí)例，然后通過比較不同 K 的實(shí)例的大小進(jìn)行排序。

雖然通過 cmp_to_key() 可以調(diào)用自定義的 cmp 函數(shù)，但是還是要優(yōu)先使用 key 函數(shù)，因?yàn)橥ㄟ^ cmp_to_key() 方式會在排序過程中創(chuàng)建很多類 K 的實(shí)例，對性能有很大影響，下面是 cmp_to_key() 和 key 的性能比較

count cmp_to_key key_duration 10000.010.00 100000.100.01 1000001.360.09100000016.891.13

當(dāng) num_list 中的數(shù)量為 1000000 的時候 key 比 cmp_to_key 快了將近 15 倍。

本文主要介紹了如何在 sorted 函數(shù)中自定義比較邏輯，Python 2 中可以通過 cmp 或 key 來實(shí)現(xiàn)，cmp 接收 2 個參數(shù)，通過返回的數(shù)值來判斷兩個參數(shù)的大小，key 重新計(jì)算一個新的結(jié)果參與比較。在 Python 3 中，考慮到 cmp 的性能和冗余的原因，將其移除了。在 Python 3.2 中提供了 functools.cmp_to_key 這個函數(shù)來使用自定義的比較函數(shù) cmp，但是出于性能的考慮，我們還是要優(yōu)先使用 key 來進(jìn)行排序。

以上就是Python 中 sorted 如何自定義比較邏輯的詳細(xì)內(nèi)容，更多關(guān)于python sorted自定義比較邏輯的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！