python内置函数降序 python 降序

Python判断列表是否已排序的各种方法及其性能

本节判断列表排序的函数名格式为IsListSorted_XXX()。为简洁起见，除代码片段及其输出外，一律以_XXX()指代。

2.1 guess

def IsListSorted_guess(lst):

listLen = len(lst) if listLen = 1: return True

#由首个元素和末尾元素猜测可能的排序规则

if lst[0] == lst[-1]: #列表元素相同

for elem in lst: if elem != lst[0]: return False

elif lst[0] lst[-1]: #列表元素升序

for i, elem in enumerate(lst[1:]): if elem lst[i]: return False

else: #列表元素降序

for i, elem in enumerate(lst[1:]): if elem lst[i]: return False

return True

_guess()是最通用的实现，几乎与语言无关。值得注意的是，该函数内会猜测给定列表可能的排序规则，因此无需外部调用者指明排序规则。

2.2 sorted

def IsListSorted_sorted(lst):

return sorted(lst) == lst or sorted(lst, reverse=True) == lst

_sorted()使用Python内置函数sorted()。由于sorted()会对未排序的列表排序，_sorted()函数主要适用于已排序列表。

若想判断列表未排序后再对其排序，不如直接调用列表的sort()方法，因为该方法内部会判断列表是否排序。对于已排序列表，该方法的时间复杂度为线性阶O(n)——判断为O(n)而排序为O(nlgn)。

2.3 for-loop

def IsListSorted_forloop(lst, key=lambda x, y: x = y):

for i, elem in enumerate(lst[1:]): #注意，enumerate默认迭代下标从0开始

if not key(lst[i], elem): #if elem lst[i]更快，但通用性差

return False

return True

无论列表是否已排序，本函数的时间复杂度均为线性阶O(n)。注意，参数key表明缺省的排序规则为升序。

2.4 all

def IsListSorted_allenumk(lst, key=lambda x, y: x = y):

return all(key(lst[i], elem) for i, elem in enumerate(lst[1:]))import operatordef IsListSorted_allenumo(lst, oCmp=operator.le):

return all(oCmp(lst[i], elem) for i, elem in enumerate(lst[1:]))def IsListSorted_allenumd(lst):

return all((lst[i] = elem) for i, elem in enumerate(lst[1:]))def IsListSorted_allxran(lst, key=lambda x,y: x = y):

return all(key(lst[i],lst[i+1]) for i in xrange(len(lst)-1))def IsListSorted_allzip(lst, key=lambda x,y: x = y):

from itertools import izip #Python 3中zip返回生成器(generator)，而izip被废弃

return all(key(a, b) for (a, b) in izip(lst[:-1],lst[1:]))

lambda表达式与operator运算符速度相当，前者简单灵活，后者略为高效(实测并不一定)。但两者速度均不如列表元素直接比较(可能存在调用开销)。亦即，_allenumd()快于_allenumo()快于_allenumk()。

若使用lambda表达式指示排序规则，更改规则时只需要改变x和y之间的比较运算符；若使用operator模块指示排序规则，更改规则时需要改变对象比较方法。具体地，lt(x, y)等效于x y，le(x, y)等效于x = y，eq(x, y)等效于x == y，ne(x, y)等效于x != y，gt(x, y)等效于x y，ge(x, y)等效于x = y。例如，_allenumo()函数若要严格升序可设置oCmp=operator.lt。

此外，由all()函数的帮助信息可知，_allenumk()其实是_forloop()的等效形式。

2.5 numpy

def IsListSorted_numpy(arr, key=lambda dif: dif = 0):

import numpy try: if arr.dtype.kind == 'u': #无符号整数数组执行np.diff时存在underflow风险

arr = numpy.int64(lst) except AttributeError: pass #无dtype属性，非数组

return (key(numpy.diff(arr))).all() #numpy.diff(x)返回相邻数组元素的差值构成的数组

NumPy是用于科学计算的Python基础包，可存储和处理大型矩阵。它包含一个强大的N维数组对象，比Python自身的嵌套列表结构(nested list structure)高效得多。第三节的实测数据表明，_numpy()处理大型列表时性能非常出色。

在Windows系统中可通过pip install numpy命令安装NumPy包，不建议登录官网下载文件自行安装。

2.6 reduce

def IsListSorted_reduce(iterable, key=lambda x, y: x = y):

cmpFunc = lambda x, y: y if key(x, y) else float('inf') return reduce(cmpFunc, iterable, .0) float('inf')

reduce实现是all实现的变体。累加器(accumulator)中仅存储最后一个检查的列表元素，或者Infinity(若任一元素小于前个元素值)。

前面2.1~2.5小节涉及下标操作的函数适用于列表等可迭代对象(Iterable)。对于通用迭代器(Iterator)对象，即可以作用于next()函数或方法的对象，可使用_reduce()及后面除_rand()外各小节的函数。迭代器的计算是惰性的，只有在需要返回下一个数据时才会计算，以避免不必要的计算。而且，迭代器方式无需像列表那样切片为两个迭代对象。

2.7 imap

def IsListSorted_itermap(iterable, key=lambda x, y: x = y):

from itertools import imap, tee

a, b = tee(iterable) #为单个iterable创建两个独立的iterator

next(b, None) return all(imap(key, a, b))

2.8 izip

def IsListSorted_iterzip(iterable, key=lambda x, y: x = y):

from itertools import tee, izip

a, b = tee(iterable) next(b, None) return all(key(x, y) for x, y in izip(a, b))def pairwise(iterable):

from itertools import tee, izip

a, b = tee(iterable) next(b, None) return izip(a, b) #"s - (s0,s1), (s1,s2), (s2, s3), ..."def IsListSorted_iterzipf(iterable, key=lambda x, y: x = y):

return all(key(a, b) for a, b in pairwise(iterable))

第三节的实测数据表明，虽然存在外部函数调用，_iterzipf()却比_iterzip()略为高效。

2.9 fast

def IsListSorted_fastd(lst):

it = iter(lst) try:

prev = it.next() except StopIteration: return True

for cur in it: if prev cur: return False

prev = cur return Truedef IsListSorted_fastk(lst, key=lambda x, y: x = y):

it = iter(lst) try:

prev = it.next() except StopIteration: return True

for cur in it: if not key(prev, cur): return False

prev = cur return True

_fastd()和_fastk()是Stack Overflow网站回答里据称执行最快的。实测数据表明，在列表未排序时，它们的性能表现确实优异。

2.10 random

import randomdef IsListSorted_rand(lst, randNum=3, randLen=100):

listLen = len(lst) if listLen = 1: return True

#由首个元素和末尾元素猜测可能的排序规则

if lst[0] lst[-1]: #列表元素升序

key = lambda dif: dif = 0

else: #列表元素降序或相等

key = lambda dif: dif = 0

threshold, sortedFlag = 10000, True

import numpy if listLen = threshold or listLen = randLen*2 or not randNum: return (key(numpy.diff(numpy.array(lst)))).all() from random import sample for i in range(randNum):

sortedRandList = sorted(sample(xrange(listLen), randLen))

flag = (key(numpy.diff(numpy.array([lst[x] for x in sortedRandList])))).all()

sortedFlag = sortedFlag and flag return sortedFlag

_rand()借助随机采样降低运算规模，并融入其他判断函数的优点。例如，猜测列表可能的排序规则，并在随机采样不适合时使用相对快速的判断方式，如NumPy。

通过line_profiler分析可知，第20行和第21行与randLen有关，但两者耗时接近。因此randLen应小于listLen的一半，以抵消sorted开销。除内部限制外，用户可以调节随机序列个数和长度，如定制单个但较长的序列。

注意，_rand()不适用于存在微量异常数据的长列表。因为这些数据很可能被随机采样遗漏，从而影响判断结果的准确性。

相关问答

Q1: 在Python中实现函数reverse,number(),判断三位数ABC是否为“降序数”？

找出组成这个三位数的数字就可以了

比如可以把这个三位数转换成字符串然后遍历，放到变量中

比如

s = str(ABC)

A = int(s[0]), B = int(s[1]), C = int

接下来比较3个数字的大小就能得出结果了

当然不转换成字符串也可以

A = ABC // 100 (是//不是/)

B = ABC // 10 % 10

C = ABC % 100

Q2: sorted函数python

sorted函数python介绍如下

sorted() 作为 Python 内置函数之一，其功能是对序列（列表、元组、字典、集合、还包括字符串）进行排序。

sorted() 函数的基本语法格式如下

list = sorted(iterable, key=None, reverse=False)

其中，iterable 表示指定的序列，key 参数可以自定义排序规则；reverse 参数指定以升序（False，默认）还是降序（True）进行排序。sorted() 函数会返回一个排好序的列表。

注意，key 参数和 reverse 参数是可选参数，即可以使用，也可以忽略。

演示sorted()函数的基本代码用法：

#对列表进行排序

a = [5,3,4,2,1]

print(sorted(a))

#对元组进行排序

a = (5,4,3,1,2)

print(sorted(a))

#字典默认按照key进行排序

a = {4:1,\

5:2,\

3:3,\

2:6,\

1:8}

print(sorted(a.items()))

#对集合进行排序

a = {1,5,3,2,4}

print(sorted(a))

#对字符串进行排序

a = "51423"

print(sorted(a))

Q3: python怎么将无序的集合转换成有序的集合？

在 Python 中，可以使用内置函数 sorted() 将无序的集合转换成有序的集合。

例如，有一个无序的集合 A，你可以这样转换它：

Copy code

A = {3, 2, 1}

B = sorted(A)

print(B) # 输出 [1, 2, 3]

sorted() 函数默认按升序排列，也可以通过参数 reverse 指定按降序排列。例如：

Copy code

A = {3, 2, 1}

B = sorted(A, reverse=True)

print(B) # 输出 [3, 2, 1]

注意，sorted() 函数是一个针对列表、元组、字符串等序列类型的排序函数，如果要对集合进行排序，需要先将集合转换为序列类型，再使用 sorted() 函数。

希望这些信息能帮到你！

Q4: 为什么python内置的sort比自己写的快速排序快100倍？

主要原因，内置函数用C写的。在Python语言内无论如何造不出内置函数的轮子。这也是通常C跟C++语言用户更喜欢造基础算法的轮了的原因。因为C/C++用户真有条件写出匹敌标准库的算法，但很多高级语言不行，不是程序员技术差，是客观条件就根本做不到。

你比如说Java语言没人造字符串的轮子，C++光一个字符串类就有无数多的实现。是因为C+用户更喜欢写字符串类吗？显然不是，一方面是因为Java语言内没法造出匹敌Java内置标准库算法的轮子，而C++真的可以，另外一个比较惨的原因是C++标准库的字符串功能太弱了，大多数高级语言的字符串类功能都比C+标准库字符串类功能更强。

写C++的时候一大错觉就是我觉着我能比标准库还快，同样的道理放在Python里面也同样适用，不管是Python各种常用package或内建函数，基本上都针对实用场景作了优化，自己手写的算法一般是比不上内建算法效率的，这也是为什么用Python时不鼓励自己造轮子的原因。

回到这个问题，Python内建的sort本质上为C实现的函数，本身执行效率就会比Python快很多，并且会根据不同的数据规模采用不同的排序算法，故效率一般都会优于自己在Python里面手写的排序更何况题主写的是基于递归的quicksort9，额外时间开销大。

因为python内置的sort是用c语言写的，如果你用c语言或者c++写的话肯定是可以做到一样快的至于为什么python计算效率比c语言能慢100倍这个具体的原理我不清楚，不过鉴于知乎上已经有很多大佬解释过这个问题，我就不在这里班门弄斧了

还有底下扯timsort的，快排序是所有比较排序算法里平均性能最优的一族算法，像C++和rust里的unstable_sort都是用的快排序。可能在一些情况下，比如数组几乎有序时，timsort会比快排序快。但是你随便给一个数组，比如像题主那样随机一个一百万大小的数然后排序，timsort是绝对不可能比快排序快的。绝对不可能。快的这100倍和timsort屁关系都没有。

我是C/C++程序员，我可以很负责的告诉你，在用天下现有所有高级语言进行排序的问题上，C要是认了第二，则没人敢认第一。所以，我猜，Python以及好多其他高级语言，都会时不时直接上C语言写的静态库和动态库。我自己也造了不少轮子，有部分是因为刚刚起步，对系统API和函数库不熟悉，找不到适合的，所以自己造轮子，后来发现了有更好的，我把我写的抛弃了。但这里也不排除有一部分是因为我个人觉得还有优化的空间，所以自己用C语言重新造了一个轮子，这样效率比现成的更优。

所以说，要论高级语言的鼻祖，还真非C莫属，从执行效率上讲，别说python，JAVA，C#，VB，甚至C的亲儿子C++，在同一个程序员手中，都没法与C抗衡，所以说，这些语言都是排着队等着被C吊打的，也正因为如此，所以，像python这类高级语言，有自带函数可用的，最好别想着自己重新造轮子，因为你不可能造出比自带函数更快的轮子。

内置库函数都是用C实现的，肯定要比手写的Python程序执行效率更高，此外内置排序Timsort相比本科课程上学的时间复杂度为Onlogn的排序算法做了很多常数优化，所以对于普通人而言，不要希望纯手写出来的东西效率能和标准库相当了。另外，题主写的排序是过不了LeetCode上的裸排序题目的，随机选取pivot对于快速排序是最基本的优化虽然题主排的是随机数，现在这么选肯定不是效率低的主要原因。

所以说了，py几乎得把自己的循环体拆了，这就是py和c/c++的性能差距，必须尽量用内置函数和numpy来处理数据，一旦手写循环体。，那你就得知道这可能得慢百倍，像用opency的py版时你不小心写个双循环来处理数据，那酸爽，而cppc#搞opencv就能随意用指针来写循环，这也是为啥他们其实不需要numpy这种组件，自身就有足够的性能和灵活度来处理这个。

Cpp内置的排序是快排和堆排的结合，最坏时间复杂度为nlogn，而快排最坏是n2。至于python内部的排序，我认为是一个道理，不会简简单单是一个快排，举个简单例子，当你数据已经是有序的时候，再传入快排肯定就不合适。那你设置排序函数的时候，是不是预先将他打乱，再进行快排会更好呢。当然具体不会这么简单，只是我认为官方给的接口都是很精妙的，很值得学习。

一方面Python中sort函数是用C语言写的，C++内部的sort是由快排，直接插入和堆排序混合的，当数据量比较大的时候先用的快排，当数据量小的时候用直接插入，因为当数据量变小时，快排中的每个部分基本有序，接近直接插入的最好情况的时间复杂度O（n），就比快排要好一点了。

另外一方面这个的底层实现就是归并排序。，只是使用了Python无法编写的底层实现，从而避免了Python本身附加的大量开销，速度比我们自己写的归并排序要快很多，所以说我们一般排序都尽量使用sorted和sort。

Q5: python中对组合数据类型x进行排序的内置函数是

python有两个内置的函数用于实现排序，一个是list.sort()函数，一个是sorted()函数。

区别1：list.sort()函数只能处理list类型数据的排序；sorted()则可以处理多种类型数据的排序。

区别2：list.sort()会修改原来的list为排序后的结果；sorted()不会修改原来的数据，只是返回一个排序后的对象。

下面来动手写点代码进行测试：

list进行简单的排序

1 a=['a','f','c','x','e']2 a.sort()3 a4 [a','c','e','f','x']

sorted()进行简单排序

1 a=['a','f','c','x','e']2 a_new=sorted(a)3 a_new4 ['a', 'c', 'e', 'f', 'x']

list.sort()和sorted都有默认的参数reverse，该参数的默认值为“False”，即默认升序排列。如果要进行降序排列：

1 a=['a','f','c','x','e']2 a_new=sorted(a,reverse=True)3 a_new4 ['x', 'f', 'e', 'c', 'a']

对元组进行排列，不能使用list.sort()函数:

1 a=('a','f','c','x','e')2 a_new=a.sort()3

4 ttributeError: 'tuple' object has no attribute 'sort'

对字典的排序可以按照字典的key或者value进行排序:

1 dic={"aa":11,"ff":5,"ee":22}2 printsorted(dic.keys())3 ['aa', 'ee', 'ff']

从python2.4开始list.sort()和sorted()都引入了key参数来指定一个函数进行排序，有了key参数以后我们就可以对更加复杂的数据进行排序 。

假如需要排序的数据为一个list，但list的每一个元素都是一个字典，排序的方法如下：

dic=[{"name":"sunny","age":20},

{"name":"bell","age":5},

{"name":"jim","age":1},

{"name":"jan","age":10}]print sorted(dic,key=lambda arg:arg.get('age'),reverse=False) #按照每个字典的age的值进行排序，字典的方法dict.get(key)将返回指定键的值。

#输出结果为：[{'age': 1, 'name': 'jim'}, {'age': 5, 'name': 'bell'}, {'age': 10, 'name': 'jan'}, {'age': 20, 'name': 'sunny'}]

print sorted(dic,key=lambda arg:arg.get('name'),reverse=False) #按照每个字典的name的值进行排序

#输出结果为：[{'age': 5, 'name': 'bell'}, {'age': 10, 'name': 'jan'}, {'age': 1, 'name': 'jim'}, {'age': 20, 'name': 'sunny'}]

假如需要排序的数据为一个二维的list，即list的每一个元素也是一个list，方法与上面的例子类似：

a=[['100','8','30'],['200','5','50'],['300','1','20']]print sorted(a,key=lambda arg:arg[1]) #按照每个list的第1个元素进行排序

[['300', '1', '20'], ['200', '5', '50'], ['100', '8', '30']]

前面的2个例子中，key参数的值都是函数。在sorted函数中，key参数后面的函数的参数的数量只能是一个。lambda arg:arg.get('age')是一个lambda匿名函数，它是一个没有函数名的单语句函数。冒号左边是参数，冒号右边的返回值，返回值将被用于排序。

关于python内置函数降序和python 降序的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。