python列表排序

Python排序详解

http://wiki.python.org/moin/HowTo/Sorting?highlight=%28howto%29#The_Old_Way_Using_the_cmp_Parameter

python列表排序

简单记一下python中List的sort方法(或者sorted内建函数)的用法。

关键字:
python列表排序 python字典排序 sorted


List的元素可以是各种东西,字符串,字典,自己定义的类等。

sorted函数用法如下:
Python代码  收藏代码
  1. sorted(data, cmp=None, key=None, reverse=False)  

其中,data是待排序数据,可以使List或者iterator, cmp和key都是函数,这两个函数作用与data的元素上产生一个结果,sorted方法根据这个结果来排序。
cmp(e1, e2) 是带两个参数的比较函数, 返回值: 负数: e1 < e2, 0: e1 == e2, 正数: e1 > e2. 默认为 None, 即用内建的比较函数.
key 是带一个参数的函数, 用来为每个元素提取比较值. 默认为 None, 即直接比较每个元素.
通常, key 和 reverse 比 cmp 快很多, 因为对每个元素它们只处理一次; 而 cmp 会处理多次.

通过例子来说明sorted的用法:

1. 对由tuple组成的List排序
Python代码  收藏代码
  1. >>> students = [('john''A'15), ('jane''B'12), ('dave''B'10),]  


用key函数排序(lambda的用法见 注释1)
Python代码  收藏代码
  1. >>> sorted(students, key=lambda s : s[2])   # sort by age  
  2. [('dave''B'10), ('jane''B'12), ('john''A'15)]  


用cmp函数排序
Python代码  收藏代码
  1. >>> sorted(students, cmp=lambda x,y : cmp(x[2], y[2])) # sort by age  asc
  2. [('dave''B'10), ('jane''B'12), ('john''A'15)]  
年龄倒序(详见末尾):
  1. >>> sorted(students, cmp=lambda x,y : cmp(y[2], x[2])) # sort by age desc,交换x/y的位置
  2. [('john''A'15), ('jane''B'12),('dave''B'10)

用 operator 函数来加快速度, 上面排序等价于:(itemgetter的用法见 注释2)
  1. >>> from operator import itemgetter, attrgetter  
  2. >>> sorted(students, key=itemgetter(2))  


用 operator 函数进行多级排序
Python代码  收藏代码
  1. >>> sorted(students, key=itemgetter(1,2))  sort by grade then by age  
  2. [('john''A'15), ('dave''B'10), ('jane''B'12)]  



2. 对由字典排序
Python代码  收藏代码
  1. >>> d = {'data1':3'data2':1'data3':2'data4':4}  
  2. >>> sorted(d.iteritems(), key=itemgetter(1), reverse=True)  
  3. [('data4'4), ('data1'3), ('data3'2), ('data2'1)]  

from operator import itemgetter,attrgetter
d = {'data1':3,'data2':1,'data3':2,'data4':4}

print d.items()
print sorted(d.iteritems(),key = itemgetter(0)) #根据字典的键进行排序
print sorted(d.iteritems(),key = itemgetter(1)) #根据字典的值进行排序


注释1
参考:http://jasonwu.me/2011/10/29/introduce-to-python-lambda.html

注释2
参考:http://ar.newsmth.net/thread-90745710c90cf1.html
class itemgetter(__builtin__.object)
|  itemgetter(item, ...) --> itemgetter object
|
|  Return a callable object that fetches the given item(s) from its operand.
|  After, f=itemgetter(2), the call f(r) returns r[2].
|  After, g=itemgetter(2,5,3), the call g(r) returns (r[2], r[5], r[3])

相当于
Python代码  收藏代码
  1. def itemgetter(i,*a):   
  2.     def func(obj):   
  3.         r = obj[i]   
  4.         if a:   
  5.             r = (r,) + tuple(obj[i] for i in a)   
  6.         return r   
  7.     return func   
  8.   
  9. >>> a = [1,2,3]   
  10. >>> b=operator.itemgetter(1)   
  11. >>> b(a)   
  12. 2   
  13. >>> b=operator.itemgetter(1,0)   
  14. >>> b(a)   
  15. (21)   
  16. >>> b=itemgetter(1)   
  17. >>> b(a)   
  18. 2   
  19. >>> b=itemgetter(1,0)   
  20. >>> b(a)   
  21. (21)  


In Py2.x, sort allowed an optional function which can be called for doing thecomparisons. That function should take two arguments to be compared andthen return a negative value for less-than, return zero if they are equal,or return a positive value for greater-than. For example, we can do:

>>> def numeric_compare(x, y):
        return x - y
>>> sorted([5, 2, 4, 1, 3], cmp=numeric_compare)
[1, 2, 3, 4, 5]

Or you can reverse the order of comparison with:

>>> def reverse_numeric(x, y):
        return y - x
>>> sorted([5, 2, 4, 1, 3], cmp=reverse_numeric)
[5, 4, 3, 2, 1]

list.sort() method is only defined for lists. In contrast, the sorted() function accepts any iterable.

>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值