如何根据对象的属性对对象列表进行排序？

问题描述：

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), ...]

.count如何按降序对列表进行排序？

解决方案 1：

对列表进行排序：

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)

解释：

• 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。

解决方案 2：

一种最快的方法是使用，特别是当你的列表有很多记录时operator.attrgetter("count")。但是，这可能在 Python 的预操作版本上运行，因此最好有一个回退机制。然后，你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

解决方案 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要快很多倍。我很惊讶地读到这个（《Python 简明教程》第 485 页）。您可以通过对这个小程序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

我的测试结果显示，第一次排序的速度慢了 10 倍以上，但书中说，一般来说，它只慢了 5 倍左右。他们说的原因是 Python 中使用的排序算法高度优化 ( timsort )。

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

解决方案 4：

面向对象方法

如果适用的话，最好将对象排序逻辑作为类的属性，而不是将其纳入每个需要排序的实例中。

这确保了一致性并且消除了对样板代码的需要。

至少，您应该指定__eq__和__lt__操作以使它工作。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]

解决方案 5：

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

解决方案 6：

它看起来很像 Django ORM 模型实例的列表。

为什么不像这样对查询进行排序：

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

解决方案 7：

如果您想要排序的属性是属性，那么您可以避免导入operator.attrgetter，而使用属性的fget方法。

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

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

这不是最著名的功能，但经常可以帮助我节省导入的行数。

解决方案 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，因为它更简单。

解决方案 9：

另外如果有人想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"]

下面是该代码：

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)

解决方案 10：

@Jose M Vidal 的回答提到了一些重要的事情：使用丰富的比较（__lt__如__eq__@jpp 的回答中的 等）会使排序比传递 key 函数（如接受的答案）慢得多。但是，他们最终展示了一个使用__cmp__Python 3 中不存在的方法的测试（坦白说，这确实比在 Python 2 中传递 key 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。

下面显示了一个小型 timeit 测试的结果，其中比较了使用丰富比较、lambda 键函数和作为键的排序。对于包含 10k 个项目的列表，使用丰富比较时大约需要 18.8 毫秒，而使用 lambda 键函数时需要 2.93 毫秒，使用operator.attrgetter时需要 2.47 毫秒。operator.attrgetter

因此，正如 @tzot 提到的，operator.attrgetter它比 lambda 更快；但是，首先使用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