Python list內置sort()方法用來排序，也可以用python內置的全局sorted()方法來對可迭代的序列排序生成新的序列。
1）排序基礎
簡單的升序排序是非常容易的。只需要調用sorted()方法。它返回一個新的list，新的list的元素基於小於運算符(__lt__)來排序。
>>> sorted([5, 2, 3, 1, 4]) [1, 2, 3, 4, 5]
你也可以使用list.sort()方法來排序，此時list本身將被修改。通常此方法不如sorted()方便，但是如果你不需要保留原來的list，此方法將更有效。
>>> a = [5, 2, 3, 1, 4] >>> a.sort() >>> a [1, 2, 3, 4, 5]
另一個不同就是list.sort()方法僅被定義在list中，相反地sorted()方法對所有的可迭代序列都有效。
>>> sorted({1: 'D', 2: 'B', 3: 'B', 4: 'E', 5: 'A'})
[1, 2, 3, 4, 5]
2）key參數/函數
從python2.4開始，list.sort()和sorted()函數增加了key參數來指定一個函數，此函數將在每個元素比較前被調用。 例如通過key指定的函數來忽略字符串的大小寫：
>>> sorted("This is a test string from Andrew".split(), key=str.lower)
['a', 'Andrew', 'from', 'is', 'string', 'test', 'This']
key參數的值爲一個函數，此函數只有一個參數且返回一個值用來進行比較。這個技術是快速的因爲key指定的函數將準確地對每個元素調用。
更廣泛的使用情況是用複雜對象的某些值來對複雜對象的序列排序，例如：
>>> student_tuples = [
('john', 'A', 15),
('jane', 'B', 12),
('dave', 'B', 10),
]
>>> sorted(student_tuples, key=lambda student: student[2]) # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
同樣的技術對擁有命名屬性的複雜對象也適用，例如：
>>> class Student:
def __init__(self, name, grade, age):
self.name = name
self.grade = grade
self.age = age
def __repr__(self):
return repr((self.name, self.grade, self.age))
>>> student_objects = [
Student('john', 'A', 15),
Student('jane', 'B', 12),
Student('dave', 'B', 10),
]
>>> sorted(student_objects, key=lambda student: student.age) # sort by age
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
3）Operator 模塊函數
上面的key參數的使用非常廣泛，因此python提供了一些方便的函數來使得訪問方法更加容易和快速。operator模塊有itemgetter，attrgetter，從2.6開始還增加了methodcaller方法。使用這些方法，上面的操作將變得更加簡潔和快速：
>>> from operator import itemgetter, attrgetter
>>> sorted(student_tuples, key=itemgetter(2))
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
>>> sorted(student_objects, key=attrgetter('age'))
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
operator模塊還允許多級的排序，例如，先以grade，然後再以age來排序：
>>> sorted(student_tuples, key=itemgetter(1,2))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]
>>> sorted(student_objects, key=attrgetter('grade', 'age'))
[('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]
4）升序和降序
list.sort()和sorted()都接受一個參數reverse（True or False）來表示升序或降序排序。例如對上面的student降序排序如下：
>>> sorted(student_tuples, key=itemgetter(2), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
>>> sorted(student_objects, key=attrgetter('age'), reverse=True)
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
5）排序的穩定性和複雜排序
從python2.2開始，排序被保證爲穩定的。意思是說多個元素如果有相同的key，則排序前後他們的先後順序不變。
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> sorted(data, key=itemgetter(0))
[('blue', 1), ('blue', 2), ('red', 1), ('red', 2)]
注意在排序後'blue'的順序被保持了，即'blue', 1在'blue', 2的前面。
更復雜地你可以構建多個步驟來進行更復雜的排序，例如對student數據先以grade降序排列，然後再以age升序排列。
>>> s = sorted(student_objects, key=attrgetter('age')) # sort on secondary key
>>> sorted(s, key=attrgetter('grade'), reverse=True) # now sort on primary key, descending
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
6）最老土的排序方法-DSU
我們稱其爲DSU（Decorate-Sort-Undecorate）,原因爲排序的過程需要下列三步：
第一：對原始的list進行裝飾，使得新list的值可以用來控制排序；
第二：對裝飾後的list排序；
第三：將裝飾刪除，將排序後的裝飾list重新構建爲原來類型的list；
例如，使用DSU方法來對student數據根據grade排序：
>>> decorated = [(student.grade, i, student) for i, student in enumerate(student_objects)]
>>> decorated.sort()
>>> [student for grade, i, student in decorated] # undecorate
[('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
上面的比較能夠工作，原因是tuples是可以用來比較，tuples間的比較首先比較tuples的第一個元素，如果第一個相同再比較第二個元素，以此類推。
並不是所有的情況下都需要在以上的tuples中包含索引，但是包含索引可以有以下好處：
第一：排序是穩定的，如果兩個元素有相同的key，則他們的原始先後順序保持不變；
第二：原始的元素不必用來做比較，因爲tuples的第一和第二元素用來比較已經是足夠了。
此方法被RandalL.在perl中廣泛推廣後，他的另一個名字爲也被稱爲Schwartzian transform。
對大的list或list的元素計算起來太過複雜的情況下，在python2.4前，DSU很可能是最快的排序方法。但是在2.4之後，上面解釋的key函數提供了類似的功能。
7）其他語言普遍使用的排序方法-cmp函數
在python2.4前，sorted()和list.sort()函數沒有提供key參數，但是提供了cmp參數來讓用戶指定比較函數。此方法在其他語言中也普遍存在。
在python3.0中，cmp參數被徹底的移除了，從而簡化和統一語言，減少了高級比較和__cmp__方法的衝突。
在python2.x中cmp參數指定的函數用來進行元素間的比較。此函數需要2個參數，然後返回負數表示小於，0表示等於，正數表示大於。例如：
>>> def numeric_compare(x, y): return x - y >>> sorted([5, 2, 4, 1, 3], cmp=numeric_compare) [1, 2, 3, 4, 5]
或者你可以反序排序：
>>> def reverse_numeric(x, y): return y - x >>> sorted([5, 2, 4, 1, 3], cmp=reverse_numeric) [5, 4, 3, 2, 1]
當我們將現有的2.x的代碼移植到3.x時，需要將cmp函數轉化爲key函數，以下的wrapper很有幫助：
def cmp_to_key(mycmp): 'Convert a cmp= function into a key= function' class K(object): def __init__(self, obj, *args): self.obj = obj def __lt__(self, other): return mycmp(self.obj, other.obj) < 0 def __gt__(self, other): return mycmp(self.obj, other.obj) > 0 def __eq__(self, other): return mycmp(self.obj, other.obj) == 0 def __le__(self, other): return mycmp(self.obj, other.obj) <= 0 def __ge__(self, other): return mycmp(self.obj, other.obj) >= 0 def __ne__(self, other): return mycmp(self.obj, other.obj) != 0 return K
當需要將cmp轉化爲key時，只需要：
>>> sorted([5, 2, 4, 1, 3], key=cmp_to_key(reverse_numeric)) [5, 4, 3, 2, 1]
從python2.7，cmp_to_key()函數被增加到了functools模塊中。
8)其他注意事項
* 對需要進行區域相關的排序時，可以使用locale.strxfrm()作爲key函數，或者使用local.strcoll()作爲cmp函數。
* reverse參數任然保持了排序的穩定性，有趣的時，同樣的效果可以使用reversed()函數兩次來實現：
>>> data = [('red', 1), ('blue', 1), ('red', 2), ('blue', 2)]
>>> assert sorted(data, reverse=True) == list(reversed(sorted(reversed(data))))
* 其實排序在內部是調用元素的__cmp__來進行的，所以我們可以爲元素類型增加__cmp__方法使得元素可比較，例如：
>>> Student.__lt__ = lambda self, other: self.age < other.age
>>> sorted(student_objects)
[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
* key函數不僅可以訪問需要排序元素的內部數據，還可以訪問外部的資源，例如，如果學生的成績是存儲在dictionary中的，則可以使用此dictionary來對學生名字的list排序，如下：
>>> students = ['dave', 'john', 'jane']
>>> newgrades = {'john': 'F', 'jane':'A', 'dave': 'C'}
>>> sorted(students, key=newgrades.__getitem__)
['jane', 'dave', 'john']
*當你需要在處理數據的同時進行排序的話，sort(),sorted()或bisect.insort()不是最好的方法。在這種情況下，可以使用heap，red-black tree或treap。