Python排序原来这么简单:一文搞懂 sorted、key 和高效排序技巧

Python 的排序设计非常优雅。很多语言把排序做成一堆复杂的接口，但 Python 的思路很简单：只提供两个核心工具，然后把扩展能力交给开发者。

最常见的排序方式其实只有两个。一个是 sorted()，它不会改变原始数据，而是返回一个新的列表；另一个是 list.sort()，它直接在原列表上排序。很多初学者不太注意这两者的区别，但在实际开发中差别很大。如果你还需要保留原始数据，就用 sorted()；如果只是为了得到排序结果，并且不需要原列表，那么 list.sort() 会更高效一些。

data = [5, 2, 3, 1, 4]

print(sorted(data))   # 返回新列表
print(data)           # 原列表不变

data.sort()           # 原地排序
print(data)

Python 排序真正强大的地方在于 key 参数。很多语言的排序函数需要写复杂的比较函数，而 Python 只需要提供一个“提取关键值”的函数。排序算法会先计算每个元素的 key，然后根据 key 来排序。这样的设计不仅代码更简洁，而且性能更好，因为每个 key 只计算一次。

比如对字符串进行忽略大小写排序：

words = ["apple", "Banana", "cherry"]
print(sorted(words, key=str.casefold))

如果是复杂对象，也可以直接提取属性：

students = [
    ("Alice", 22),
    ("Bob", 19),
    ("Cindy", 21)
]

print(sorted(students, key=lambda s: s[1]))

当排序逻辑只是“取某个字段”时，Python 甚至提供了更高效的工具。operator 模块中的 itemgetter 和 attrgetter 可以直接作为 key 使用，既简洁又更快。

from operator import itemgetter

students = [
    ("Alice", 22),
    ("Bob", 19),
    ("Cindy", 21)
]

print(sorted(students, key=itemgetter(1)))

我认为 Python 排序还有一个经常被忽略但非常重要的特性：排序是稳定的。稳定排序意味着，如果两个元素的排序 key 相同，它们在排序前后的相对顺序不会改变。这个特性在多字段排序时非常有用。比如先按年龄排序，再按姓名排序，只要顺序正确，最终结果会保持逻辑一致。

降序排序也非常简单，只需要增加一个参数：

sorted(data, reverse=True)

还有一种情况是需要自定义复杂的比较逻辑，比如根据语言规则比较字符串。Python 本身已经不再直接支持 cmp 比较函数，但可以通过 functools.cmp_to_key() 把比较函数转换成 key。

from functools import cmp_to_key

def compare(a, b):
    return len(a) - len(b)

data = ["apple", "cat", "banana"]
print(sorted(data, key=cmp_to_key(compare)))

Python 排序设计最值得学习的一点是它不仅考虑了“完整排序”，还考虑了“只需要部分结果”的情况。有时候我们并不需要把整个列表排序，只是想找出最大的几个元素。如果这时候仍然使用完整排序，其实是一种性能浪费。

Python 提供了 heapq 模块，可以非常高效地解决这种问题。

import heapq

data = [5, 1, 9, 3, 7, 8]

print(heapq.nlargest(3, data))
print(heapq.nsmallest(2, data))

在很多真实场景中，比如排行榜、热门推荐、日志分析，往往只需要 Top N 的结果，这种方法会比完整排序更高效。

从整体设计来看，Python 的排序机制其实非常克制。核心接口很少，但扩展能力很强。key 函数解决了绝大多数排序需求，稳定排序保证了逻辑可靠，而像 heapq 这样的工具则让性能优化变得简单。

我一直觉得，一个好的语言设计往往不是功能越多越好，而是用尽可能少的工具解决尽可能多的问题。Python 的排序机制正是这种设计思想的一个典型例子。理解这些细节之后，再看日常代码中的排序操作，其实会发现很多写法都可以变得更优雅一些。