Python对字典分别按键(key)和值(value)进行排序

简介: 方法一:#使用sorted函数进行排序'''sorted(iterable,key,reverse),sorted一共有iterable,key,reverse这三个参数;其中iterable表示可以迭代的对象,例如可以是dict.items()、dict.keys()等key是一个函数,用来选取参与比较的元素,reverse则是用来指定排序是倒序还是顺序,reverse=true则是倒序,reverse=false时则是顺序,默认时reverse=false。
方法一:
# 使用 sorted 函数进行排序
'''
sorted(iterable,key,reverse) sorted 一共有 iterable,key,reverse 这三个参数 ;
其中 iterable 表示可以迭代的对象,例如可以是 dict.items() dict.keys()
key 是一个函数,用来选取参与比较的元素, reverse 则是用来指定排序是倒序还是顺序, reverse=true 则是倒序,
reverse=false 时则是顺序,默认时 reverse=false
'''

# 初始化字典
dict_data={ 6 : 9 , 10 : 5 , 3 : 11 , 8 : 2 , 7 : 6 }

1、对字典按键(key)进行排序
# 对字典按键( key )进行排序(默认由小到大)
test_data_0= sorted (dict_data. keys ())
# 输出结果
print (test_data_0) #[3, 6, 7, 8, 10]
test_data_1= sorted (dict_data. items (), key = lambda x:x[ 0 ])
# 输出结果
print (test_data_1) #[(3, 11), (6, 9), (7, 6), (8, 2), (10, 5)]

2、对字典按值(value)进行排序
# 对字典按值( value )进行排序(默认由小到大)
test_data_2= sorted (dict_data. items (), key = lambda x:x[ 1 ])
# 输出结果
print (test_data_2) #[('8', 2), ('10', 5), ('7', 6), ('6', 9), ('3', 11)]
test_data_3= sorted (dict_data. items (), key = lambda x:x[ 1 ], reverse = True )
# 输出结果
print (test_data_3) #[('3', 11), ('6', 9), ('7', 6), ('10', 5), ('8', 2)]


方法二:
import operator
# 初始化字典
dict_data={ 6 : 9 , 10 : 5 , 3 : 11 , 8 : 2 , 7 : 6 }

# 按键( key )进行排序
test_data_4= sorted (dict_data. items (), key =operator. itemgetter ( 0 ))
test_data_5= sorted (dict_data. items (), key =operator. itemgetter ( 0 ), reverse = True )
print (test_data_4) #[(3, 11), (6, 9), (7, 6), (8, 2), (10, 5)]
print (test_data_5) #[(10, 5), (8, 2), (7, 6), (6, 9), (3, 11)]

# 按值( value )进行排序
test_data_6= sorted (dict_data. items (), key =operator. itemgetter ( 1 ))
test_data_7= sorted (dict_data. items (), key =operator. itemgetter ( 1 ), reverse = True )
print (test_data_6) #[(8, 2), (10, 5), (7, 6), (6, 9), (3, 11)]
print (test_data_7) #[(3, 11), (6, 9), (7, 6), (10, 5), (8, 2)]








相关文章
|
2月前
|
数据挖掘 数据处理 开发者
Python3 自定义排序详解:方法与示例
Python的排序功能强大且灵活,主要通过`sorted()`函数和列表的`sort()`方法实现。两者均支持`key`参数自定义排序规则。本文详细介绍了基础排序、按字符串长度或元组元素排序、降序排序、多条件排序及使用`lambda`表达式和`functools.cmp_to_key`进行复杂排序。通过示例展示了如何对简单数据类型、字典、类对象及复杂数据结构(如列车信息)进行排序。掌握这些技巧可以显著提升数据处理能力,为编程提供更强大的支持。
50 10
|
2月前
|
JSON 监控 安全
深入理解 Python 的 eval() 函数与空全局字典 {}
`eval()` 函数在 Python 中能将字符串解析为代码并执行,但伴随安全风险,尤其在处理不受信任的输入时。传递空全局字典 {} 可限制其访问内置对象,但仍存隐患。建议通过限制函数和变量、使用沙箱环境、避免复杂表达式、验证输入等提高安全性。更推荐使用 `ast.literal_eval()`、自定义解析器或 JSON 解析等替代方案,以确保代码安全性和可靠性。
64 2
|
4月前
|
XML JSON API
如何使用Python将字典转换为XML
本文介绍了如何使用Python中的`xml.etree.ElementTree`库将字典数据结构转换为XML格式。通过定义递归函数处理字典到XML元素的转换,生成符合标准的XML文档,适用于与旧系统交互或需支持复杂文档结构的场景。示例代码展示了将一个简单字典转换为XML的具体实现过程。
38 1
|
4月前
|
搜索推荐 Python
快速排序的 Python 实践:从原理到优化,打造你的排序利器!
本文介绍了 Python 中的快速排序算法,从基本原理、实现代码到优化方法进行了详细探讨。快速排序采用分治策略,通过选择基准元素将数组分为两部分,递归排序。文章还对比了快速排序与冒泡排序的性能,展示了优化前后快速排序的差异。通过这些分析,帮助读者理解快速排序的优势及优化的重要性,从而在实际应用中选择合适的排序算法和优化策略,提升程序性能。
101 1
|
5月前
|
存储 安全 Serverless
Python学习四:流程控制语句(if-else、while、for),高级数据类型(字符串、列表、元组、字典)的操作
这篇文章主要介绍了Python中的流程控制语句(包括if-else、while、for循环)和高级数据类型(字符串、列表、元组、字典)的操作。
77 0
|
5月前
|
存储 自然语言处理 数据库
Python字典操作实现文章敏感词检索
Python字典操作实现文章敏感词检索
70 0
|
8天前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。
|
8天前
|
机器学习/深度学习 设计模式 测试技术
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
|
9天前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建微服务架构
本文深入探讨了 Python 中的微服务架构,介绍了 Flask、FastAPI 和 Nameko 三个常用框架,并通过实战项目帮助读者掌握这些技术。每个框架都提供了构建微服务的示例代码,包括简单的 API 接口实现。通过学习本文,读者将能够使用 Python 构建高效、独立的微服务。
|
9天前
|
消息中间件 分布式计算 并行计算
Python 高级编程与实战:构建分布式系统
本文深入探讨了 Python 中的分布式系统,介绍了 ZeroMQ、Celery 和 Dask 等工具的使用方法,并通过实战项目帮助读者掌握这些技术。ZeroMQ 是高性能异步消息库,支持多种通信模式;Celery 是分布式任务队列,支持异步任务执行;Dask 是并行计算库,适用于大规模数据处理。文章结合具体代码示例,帮助读者理解如何使用这些工具构建分布式系统。

热门文章

最新文章