你有没有在写ref="/tag/136/" style="color:#2B406D;font-weight:bold;">Python代码时，随手写下list.sort()或者sorted(list)，然后就等着结果出来？看起来很简单，但背后其实藏着不少门道。尤其是在处理大量数据的时候，搞清楚Python排序函数的原理，能帮你省下不少时间。
Python里常用的两个排序方式
平时我们用得最多的就是list.sort()和sorted()。前者是直接修改原列表，后者是生成一个新列表。比如：
numbers = [3, 1, 4, 1, 5]
numbers.sort()
print(numbers) # 输出 [1, 1, 3, 4, 5]
words = ['banana', 'apple', 'cherry']
new_words = sorted(words)
print(new_words) # 输出 ['apple', 'banana', 'cherry']看起来差不多，但性能上有点区别。如果你不在乎原来的顺序，用sort()会更快一点，因为它不额外分配内存。
Timsort：Python排序的核心算法
很多人以为Python用的是快排或者归并排序，其实它用的是Timsort——一种专门为真实世界数据设计的混合排序算法。这名字来自它的作者Tim Peters，2002年被引入Python。
Timsort最厉害的地方是它特别擅长处理“部分有序”的数据。比如你有一堆日志记录，按时间大致是排好序的，但中间插了几条乱序的，Timsort能快速识别出这些有序片段（叫run），然后合并它们。
举个例子，你在整理手机相册时，照片大多是按时间拍的，但偶尔有几张是从别处导入的，打乱了顺序。Timsort就像你一眼看出哪些是连续拍的，先把它们分组，再拼起来，效率比一张张重新排高得多。
稳定排序带来的实际好处
Python的排序是稳定的，意思是相同元素的相对位置不会变。比如你有一个学生成绩表，先按姓名排序，再按成绩排序，那么同分的学生依然保持姓名顺序。
students = [
('Alice', 85),
('Bob', 85),
('Charlie', 90),
('David', 85)
]
# 按成绩排序
students.sort(key=lambda x: x[1])
# 结果中，Alice、Bob、David虽然分数一样，但顺序不变这个特性在做多级排序时特别有用，不用一次性把所有条件都写进去，可以一步步来。
自定义排序：key参数的秘密
很多人知道用key参数，但可能没想过它是怎么工作的。key函数只会被每个元素调用一次，结果缓存起来用于比较。这意味着你可以放心用稍微复杂的函数，比如按字符串长度排：
words = ['python', 'go', 'javascript', 'c']
words.sort(key=len)
print(words) # ['c', 'go', 'python', 'javascript']这里len()只对每个单词算一次长度，而不是每次比较都算，所以效率不错。
什么时候该注意排序性能？
如果你只是排几十个元素，随便用。但要是处理上万条数据，比如爬虫抓回来的商品价格、用户行为记录，就得留个心眼。尽量避免在key函数里做耗时操作，比如网络请求或复杂计算。
还有个小技巧：如果要按多个字段排序，别多次调用sort()，用元组作为key更高效：
# 推荐写法
students.sort(key=lambda x: (x[1], x[0])) # 先按成绩，再按姓名这样一趟排序搞定，比分开排快得多。
了解这些细节不是为了炫技，而是当你发现程序卡在排序上时，知道往哪改。有时候换种写法，速度能差好几倍。