[英]How do I sort a list of dictionaries by a value of the dictionary?
如何按特定键的值对字典列表进行排序? 鉴于:
[{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age': 10}]
按name
排序时,应变为:
[{'name': 'Bart', 'age': 10}, {'name': 'Homer', 'age': 39}]
sorted()
函数采用key=
参数
newlist = sorted(list_to_be_sorted, key=lambda d: d['name'])
或者,您可以使用operator.itemgetter
而不是自己定义函数
from operator import itemgetter
newlist = sorted(list_to_be_sorted, key=itemgetter('name'))
为了完整起见,添加reverse=True
以降序排序
newlist = sorted(list_to_be_sorted, key=itemgetter('name'), reverse=True)
import operator
按 key='name' 对字典列表进行排序:
list_of_dicts.sort(key=operator.itemgetter('name'))
按 key='age' 对字典列表进行排序:
list_of_dicts.sort(key=operator.itemgetter('age'))
my_list = [{'name':'Homer', 'age':39}, {'name':'Bart', 'age':10}]
my_list.sort(lambda x,y : cmp(x['name'], y['name']))
my_list
现在将是您想要的。
或更好:
从 Python 2.4 开始,有一个key
参数更高效、更整洁:
my_list = sorted(my_list, key=lambda k: k['name'])
... lambda 是,IMO,比operator.itemgetter
更容易理解,但你的里程可能会有所不同。
如果要按多个键对列表进行排序,可以执行以下操作:
my_list = [{'name':'Homer', 'age':39}, {'name':'Milhouse', 'age':10}, {'name':'Bart', 'age':10} ]
sortedlist = sorted(my_list , key=lambda elem: "%02d %s" % (elem['age'], elem['name']))
这是相当骇人听闻的,因为它依赖于将值转换为单个字符串表示形式进行比较,但它对包括负数在内的数字按预期工作(尽管如果您使用数字,则需要使用零填充适当地格式化您的字符串)。
a = [{'name':'Homer', 'age':39}, ...]
# This changes the list a
a.sort(key=lambda k : k['name'])
# This returns a new list (a is not modified)
sorted(a, key=lambda k : k['name'])
import operator
a_list_of_dicts.sort(key=operator.itemgetter('name'))
'key' 用于按任意值排序,'itemgetter' 将该值设置为每个项目的 'name' 属性。
我猜你的意思是:
[{'name':'Homer', 'age':39}, {'name':'Bart', 'age':10}]
这将像这样排序:
sorted(l,cmp=lambda x,y: cmp(x['name'],y['name']))
使用 Perl 的Schwartzian 变换,
py = [{'name':'Homer', 'age':39}, {'name':'Bart', 'age':10}]
做
sort_on = "name"
decorated = [(dict_[sort_on], dict_) for dict_ in py]
decorated.sort()
result = [dict_ for (key, dict_) in decorated]
给
>>> result
[{'age': 10, 'name': 'Bart'}, {'age': 39, 'name': 'Homer'}]
更多关于 Perl Schwartzian 变换:
在计算机科学中,Schwartzian 变换是一种 Perl 编程习惯,用于提高对项目列表进行排序的效率。 当排序实际上是基于元素的某个属性(键)的排序时,此习惯用法适用于基于比较的排序,其中计算该属性是一项应执行最少次数的密集操作。 Schwartzian 变换值得注意的是它不使用命名的临时数组。
您可以使用自定义比较函数,也可以传入一个计算自定义排序键的函数。 这通常更有效,因为每个项目只计算一次键,而比较函数会被调用更多次。
你可以这样做:
def mykey(adict): return adict['name']
x = [{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age':10}]
sorted(x, key=mykey)
但是标准库包含一个用于获取任意对象项的通用例程: itemgetter
。 所以试试这个:
from operator import itemgetter
x = [{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age':10}]
sorted(x, key=itemgetter('name'))
您必须实现自己的比较函数,该函数将按名称键的值比较字典。 请参阅PythonInfo Wiki 中的 Sorting Mini-HOW TO
有时我们需要使用lower()
。 例如,
lists = [{'name':'Homer', 'age':39},
{'name':'Bart', 'age':10},
{'name':'abby', 'age':9}]
lists = sorted(lists, key=lambda k: k['name'])
print(lists)
# [{'name':'Bart', 'age':10}, {'name':'Homer', 'age':39}, {'name':'abby', 'age':9}]
lists = sorted(lists, key=lambda k: k['name'].lower())
print(lists)
# [ {'name':'abby', 'age':9}, {'name':'Bart', 'age':10}, {'name':'Homer', 'age':39}]
使用Pandas包是另一种方法,尽管它在大规模运行时比其他人提出的更传统的方法慢得多:
import pandas as pd
listOfDicts = [{'name':'Homer', 'age':39}, {'name':'Bart', 'age':10}]
df = pd.DataFrame(listOfDicts)
df = df.sort_values('name')
sorted_listOfDicts = df.T.to_dict().values()
以下是小列表和大 (100k+) dicts 列表的一些基准值:
setup_large = "listOfDicts = [];\
[listOfDicts.extend(({'name':'Homer', 'age':39}, {'name':'Bart', 'age':10})) for _ in range(50000)];\
from operator import itemgetter;import pandas as pd;\
df = pd.DataFrame(listOfDicts);"
setup_small = "listOfDicts = [];\
listOfDicts.extend(({'name':'Homer', 'age':39}, {'name':'Bart', 'age':10}));\
from operator import itemgetter;import pandas as pd;\
df = pd.DataFrame(listOfDicts);"
method1 = "newlist = sorted(listOfDicts, key=lambda k: k['name'])"
method2 = "newlist = sorted(listOfDicts, key=itemgetter('name')) "
method3 = "df = df.sort_values('name');\
sorted_listOfDicts = df.T.to_dict().values()"
import timeit
t = timeit.Timer(method1, setup_small)
print('Small Method LC: ' + str(t.timeit(100)))
t = timeit.Timer(method2, setup_small)
print('Small Method LC2: ' + str(t.timeit(100)))
t = timeit.Timer(method3, setup_small)
print('Small Method Pandas: ' + str(t.timeit(100)))
t = timeit.Timer(method1, setup_large)
print('Large Method LC: ' + str(t.timeit(100)))
t = timeit.Timer(method2, setup_large)
print('Large Method LC2: ' + str(t.timeit(100)))
t = timeit.Timer(method3, setup_large)
print('Large Method Pandas: ' + str(t.timeit(1)))
#Small Method LC: 0.000163078308105
#Small Method LC2: 0.000134944915771
#Small Method Pandas: 0.0712950229645
#Large Method LC: 0.0321750640869
#Large Method LC2: 0.0206089019775
#Large Method Pandas: 5.81405615807
这是另一种通用解决方案 - 它通过键和值对 dict 的元素进行排序。
它的优点 - 无需指定键,如果某些字典中缺少某些键,它仍然可以工作。
def sort_key_func(item):
""" Helper function used to sort list of dicts
:param item: dict
:return: sorted list of tuples (k, v)
"""
pairs = []
for k, v in item.items():
pairs.append((k, v))
return sorted(pairs)
sorted(A, key=sort_key_func)
假设我有一本包含以下元素的字典D
要排序,只需使用sorted
中的 key 参数来传递自定义函数,如下所示:
D = {'eggs': 3, 'ham': 1, 'spam': 2}
def get_count(tuple):
return tuple[1]
sorted(D.items(), key = get_count, reverse=True)
# Or
sorted(D.items(), key = lambda x: x[1], reverse=True) # Avoiding get_count function call
看看这个。
如果您不需要dictionaries
的原始list
,您可以使用自定义键函数使用sort()
方法就地修改它。
关键功能:
def get_name(d):
""" Return the value of a key in a dictionary. """
return d["name"]
要排序的list
:
data_one = [{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age': 10}]
就地排序:
data_one.sort(key=get_name)
如果您需要原始list
,请调用sorted()
函数,将list
和键函数传递给它,然后将返回的排序list
分配给一个新变量:
data_two = [{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age': 10}]
new_data = sorted(data_two, key=get_name)
打印data_one
和new_data
。
>>> print(data_one)
[{'name': 'Bart', 'age': 10}, {'name': 'Homer', 'age': 39}]
>>> print(new_data)
[{'name': 'Bart', 'age': 10}, {'name': 'Homer', 'age': 39}]
我一直是 lambda 过滤器的忠实粉丝。 但是,如果考虑时间复杂度,这不是最佳选择。
sorted_list = sorted(list_to_sort, key= lambda x: x['name'])
# Returns list of values
list_to_sort.sort(key=operator.itemgetter('name'))
# Edits the list, and does not return a new list
# First option
python3.6 -m timeit -s "list_to_sort = [{'name':'Homer', 'age':39}, {'name':'Bart', 'age':10}, {'name':'Faaa', 'age':57}, {'name':'Errr', 'age':20}]" -s "sorted_l=[]" "sorted_l = sorted(list_to_sort, key=lambda e: e['name'])"
1000000 次循环,3 次中的最佳:每个循环 0.736 微秒
# Second option
python3.6 -m timeit -s "list_to_sort = [{'name':'Homer', 'age':39}, {'name':'Bart', 'age':10}, {'name':'Faaa', 'age':57}, {'name':'Errr', 'age':20}]" -s "sorted_l=[]" -s "import operator" "list_to_sort.sort(key=operator.itemgetter('name'))"
1000000 次循环,3 次中的最佳:每个循环 0.438 微秒
如果性能是一个问题,我会使用operator.itemgetter
而不是lambda
,因为内置函数比手工函数执行得更快。 根据我的测试, itemgetter
函数的执行速度似乎比lambda
快 20%。
来自https://wiki.python.org/moin/PythonSpeed :
同样,内置函数比手动构建的等效函数运行得更快。 例如,map(operator.add, v1, v2) 比 map(lambda x,y: x+y, v1, v2) 快。
这是使用lambda
与itemgetter
的排序速度比较。
import random
import operator
# Create a list of 100 dicts with random 8-letter names and random ages from 0 to 100.
l = [{'name': ''.join(random.choices(string.ascii_lowercase, k=8)), 'age': random.randint(0, 100)} for i in range(100)]
# Test the performance with a lambda function sorting on name
%timeit sorted(l, key=lambda x: x['name'])
13 µs ± 388 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
# Test the performance with itemgetter sorting on name
%timeit sorted(l, key=operator.itemgetter('name'))
10.7 µs ± 38.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
# Check that each technique produces the same sort order
sorted(l, key=lambda x: x['name']) == sorted(l, key=operator.itemgetter('name'))
True
两种技术都以相同的顺序对列表进行排序(通过执行代码块中的最后一条语句来验证),但第一种技术要快一些。
正如@Claudiu 在此答案的评论部分中向@monojohnny 指出的那样,
给定:
list_to_be_sorted = [
{'name':'Homer', 'age':39},
{'name':'Milhouse', 'age':10},
{'name':'Bart', 'age':10}
]
按'age'
、 'name'
键对字典列表进行排序
(就像在 SQL 语句中ORDER BY age, name
),你可以使用:
newlist = sorted( list_to_be_sorted, key=lambda k: (k['age'], k['name']) )
或者,同样
import operator
newlist = sorted( list_to_be_sorted, key=operator.itemgetter('age','name') )
print(newlist)
[{'name': '巴特', '年龄': 10},
{'name': 'Milhouse', '年龄': 10},
{'name': 'Homer', 'age': 39}]
按多列排序,其中一些列按降序排列: cmp 数组对 cmp 函数是全局的,包含字段名称和 inv == -1 用于 desc 1 用于 asc
def cmpfun(a, b):
for (name, inv) in cmps:
res = cmp(a[name], b[name])
if res != 0:
return res * inv
return 0
data = [
dict(name='alice', age=10),
dict(name='baruch', age=9),
dict(name='alice', age=11),
]
all_cmps = [
[('name', 1), ('age', -1)],
[('name', 1), ('age', 1)],
[('name', -1), ('age', 1)],]
print 'data:', data
for cmps in all_cmps: print 'sort:', cmps; print sorted(data, cmpfun)
您可以使用以下代码
sorted_dct = sorted(dct_name.items(), key = lambda x : x[1])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.