我在列表或元组列表中有一些数据，如下所示：
data = [[1,2,3], [4,5,6], [7,8,9]]
data = [(1,2,3), (4,5,6), (7,8,9)]
我想按子集中的第二个元素排序。意思是，按2,5,8排序，其中2来自（1,2,3），5来自（4,5,6）。常见的方法是什么？我应该在列表中存储元组或列表吗？
当前回答
为了对元组列表（＜word＞，＜count＞）进行排序，按降序排列count，按字母顺序排列word：
data = [
('betty', 1),
('bought', 1),
('a', 1),
('bit', 1),
('of', 1),
('butter', 2),
('but', 1),
('the', 1),
('was', 1),
('bitter', 1)]
我使用这种方法：
sorted(data, key=lambda tup:(-tup[1], tup[0]))
它给我的结果是：
[('butter', 2),
('a', 1),
('betty', 1),
('bit', 1),
('bitter', 1),
('bought', 1),
('but', 1),
('of', 1),
('the', 1),
('was', 1)]
其他回答
itemgetter（）比lambda tup:tup[1]稍快，但增长相对温和（约10%至25%）。
（IPython会话）
>>> from operator import itemgetter
>>> from numpy.random import randint
>>> values = randint(0, 9, 30000).reshape((10000,3))
>>> tpls = [tuple(values[i,:]) for i in range(len(values))]
>>> tpls[:5] # display sample from list
[(1, 0, 0),
(8, 5, 5),
(5, 4, 0),
(5, 7, 7),
(4, 2, 1)]
>>> sorted(tpls[:5], key=itemgetter(1)) # example sort
[(1, 0, 0),
(4, 2, 1),
(5, 4, 0),
(8, 5, 5),
(5, 7, 7)]
>>> %timeit sorted(tpls, key=itemgetter(1))
100 loops, best of 3: 4.89 ms per loop
>>> %timeit sorted(tpls, key=lambda tup: tup[1])
100 loops, best of 3: 6.39 ms per loop
>>> %timeit sorted(tpls, key=(itemgetter(1,0)))
100 loops, best of 3: 16.1 ms per loop
>>> %timeit sorted(tpls, key=lambda tup: (tup[1], tup[0]))
100 loops, best of 3: 17.1 ms per loop
无lambda：
def sec_elem(s):
return s[1]
sorted(data, key=sec_elem)
from operator import itemgetter
data.sort(key=itemgetter(1))
对于按多个条件排序，例如按元组中的第二个和第三个元素排序，让
data = [(1,2,3),(1,2,1),(1,1,4)]
因此定义一个lambda，它返回一个描述优先级的元组，例如
sorted(data, key=lambda tup: (tup[1],tup[2]) )
[(1, 1, 4), (1, 2, 1), (1, 2, 3)]
斯蒂芬的答案是我会用的。为了完整起见，这里是DSU（修饰排序-未修饰）模式和列表理解：
decorated = [(tup[1], tup) for tup in data]
decorated.sort()
undecorated = [tup for second, tup in decorated]
或者，更简洁地说：
[b for a,b in sorted((tup[1], tup) for tup in data)]
正如Python Sorting HowTo中所指出的，自从Python 2.4之后，当关键函数可用时，这是不必要的。
