Python 中对数据进行排序是非常简单的，其内置了列表 list 的排序方法 sort，同时还内置了 sorted 方法，不仅可以对 list 排序，还可以对 tuple 和 dict 排序。不仅如此，关于排序 Python 还提供其它的选择，以应对更多的场景，如：heapq 、collection.Counter 。
sort
sort 是对 list 进行原地址排序，也就是改变原有的 list 。因此，不会增加内存的占用，但会产出数据被修改的副作用，很多时候，我们只是想得到排序的结果，而不想改变原数据。
代码示例：
x = [2, 5, 3, 4, 1]
x.sort()
print(x)
[1, 2, 3, 4, 5]
list.sort() 只能应用于列表类型的数据
如果我们想从大到小排序 list 数据，那么这时就需要用到参数 reverse ，来控制升降序。
代码示例：
x = [2, 5, 3, 4, 1]
x.sort(reverse=True)
print(x)
[5, 4, 3, 2, 1]
sorted
sorted 则没有对原数据进行操作，而是构建一个新的数据，这样就保留了原数据，但会增加内存的占用。
不过，sorted 要比 sort 适用更广泛，可以应用于 list 、tuple 和 dict 等数据结构。
代码示例：
x = [2, 5, 3, 4, 1]
y = sorted(x, reverse=True)
print('x:', x)
print('y:', y)
x: [2, 5, 3, 4, 1]
y: [5, 4, 3, 2, 1]
这与 sort 的基础用法很类似，但接下来就是 sorted 强大之处了。
a = {'a': 2, 'b': 5, 'c': 3, 'd': 4, 'e': 1}
b = sorted(a.items(), key=lambda x: x[1], reverse=True)
print(b)
[('b', 5), ('d', 4), ('c', 3), ('a', 2), ('e', 1)]
同样，如果 list 里存储的是 tuple 的话，也可以用 sorted 进行排序。其原理就是把原数据变现成 list，且其中每个元素也是 list 类似的，因此 sorted 可以对可迭代的数据进行排序。
heapq
有时候，我们需要 动态 地进行排序，快速找出 TOP 的数据，此时 heapq （堆排序）就可以大显身手了。
代码示例：
import heapq
x = [2, 5, 3, 4, 1]
heap = []
for i in x:
heapq.heappush(heap, i)
# 堆排序
print([heapq.heappop(heap) for _ in range(len(x))])
# 获取最小值，但不弹出
print(heap[0])
[1, 2, 3, 4, 5]
1
这似乎与 sorted 相比并没有什么优势，甚至更繁琐，但如果遇到动态添加数据的时候，它的优势就显现出来了，比如：在线投票，需要实时出现结果。如果用 sorted 排序，那么每次都需要重排，时间复杂度极高。
heapd 可以持续往里面添加，并快速完成新元素的排序。
collection.Counter
在实际的工作中，很多原始数据的结构，并不是我们能直接用 sorted 等排序的类型，需要一些前置的处理工作，而这些工作往往都重复的，所以，Python 为我们提供了 collection.Counter 来优雅处理这类问题。
代码示例：
from collection import Counter
cng = Counter()
words = ['red', 'blue', 'red', 'green', 'red', 'blue']
for word in words:
cnt[word] += 1
print(cnt)
Counter({'red':3, 'blue': 2, 'green': 1})
# 获取前2个
print(cnt.most_common(2))
[('red', 3), ('blue', 2)]
这样就省了很多额外操作的代码，代码也更整洁了，代码量也更少了，也就意味着出错的概率降低了。
最后，安利大家一本掘金小册《深入理解NLP的中文分词：从原理到实践》，让你从零掌握中文分词技术，踏入NLP的大门。
如果因为以上内容对你有所帮助，希望你帮个忙，点个赞、评个论、转个发，多谢多谢！
此公众号每周分享一篇干货文章，实实在在把一个课题说明白，讲清楚，望关注！
