Python中sort()与sorted()的区别及选择指南

在 Python 日常开发与数据处理任务中，排序是最基础也是使用频次最高的操作之一。很多初学者甚至有一定经验的开发者，常在“要不要保留原数据”以及“排序方法的返回值是什么”两个细节上出现疏漏。本文将围绕两者的底层机制、操作差异、参数用法、性能特点及选型场景逐一展开讲解。

一、核心机制对比：就地修改 vs 副本生成

理解 sort() 与 sorted() 的本质区别，关键在于观察排序操作执行前后，内存中对象引用的变化情况。

调用 list.sort() 时，Python 解释器在原列表分配的内存空间中重新组织元素指针，不创建新的列表对象。由于操作直接作用于原对象，为了防止开发者误认为产生了新数据，Python 设计该方法返回 None。

而调用 sorted() 时，解释器遍历输入的可迭代对象，读取其元素并放入一块新开辟的内存区域中完成排序，最终返回新列表的引用。原始对象的内容与内存地址均不受任何影响。

为了直观对比两者的属性和行为，下表列出了核心维度的对照：

二、list.sort() 详解：操作步骤与初学者常见陷阱

list.sort() 的设计哲学在于追求空间效率。当你的数据规模较大，且不需要保留历史顺序时，使用该方法能够避免复制列表带来的额外内存损耗。

1. 正确的使用步骤

调用 sort() 仅需两步：第一步准备列表变量，第二步调用该方法更新列表自身。

# 步骤 1：定义待排序的列表
scores = [88, 72, 95, 60, 84]

# 步骤 2：直接就地排序，不要将返回值赋给变量
scores.sort()

# 验证结果：原列表已经被改变
print(scores)  # 输出: [60, 72, 84, 88, 95]

2. 最容易出现的错误：赋给原变量导致数据变为 None

许多习惯了函数式编程或字符串操作的开发者，常常下意识写出 scores = scores.sort()。由于 sort() 返回 None，这行代码会直接将 scores 覆盖为 None，导致原始数据丢失，后续操作均会抛出 AttributeError。

三、sorted() 详解：多类型支持与统一输出

与 list.sort() 专属于列表不同，sorted() 是一个全局内置函数。任何实现了迭代协议（即支持 __iter__）的对象均可作为其输入。

无论输入是元组、字典、集合还是生成器，sorted() 内部都会依次提取元素，并在排序完成后统一封装为一个全新的列表（list）返回。

# 1. 对不可变的元组进行排序，返回新列表
nums_tuple = (10, 2, 8, 5)
sorted_from_tuple = sorted(nums_tuple)
print(sorted_from_tuple)  # [2, 5, 8, 10] —— 类型转为 list

# 2. 对字典进行排序（默认提取并排序其 key）
user_dict = {"banana": 3, "apple": 5, "orange": 2}
sorted_keys = sorted(user_dict)
print(sorted_keys)  # ['apple', 'banana', 'orange']

# 3. 对无序的集合进行排序
num_set = {40, 10, 30, 20}
print(sorted(num_set))  # [10, 20, 30, 40]

四、关键参数 key 与 reverse 的高级技巧

无论是 list.sort() 还是 sorted()，两者在自定义排序行为方面遵循完全一致的接口标准，均接收 key 和 reverse 两个关键字参数。

1. reverse 参数：控制升序与降序

默认为 reverse=False（从小到大升序）。设置为 reverse=True 时进行倒序排序：

data = [5, 1, 8, 3]
# 就地倒序
data.sort(reverse=True)  # data 变为 [8, 5, 3, 1]

# 返回全新倒序列表
rev_new = sorted(data, reverse=True)

2. key 参数：指定比较权重的投影函数

key 必须是一个接收单参数的可调用对象（函数、lambda 或方法引用）。排序算法在比较元素前，会先对每个元素调用 key 函数，并以返回的计算值作为排序依据。原元素本身不会被修改。

# 场景 A：按字符串长度排序
words = ["python", "go", "javascript", "c"]
words.sort(key=len)
print(words)  # ['c', 'go', 'python', 'javascript']

# 场景 B：处理复杂的字典列表
students = [
    {"name": "Alice", "age": 20, "grade": 88},
    {"name": "Bob", "age": 19, "grade": 95},
    {"name": "Charlie", "age": 21, "grade": 88}
]

# 依据成绩降序排序，若成绩相同则依据年龄升序排序
sorted_students = sorted(
    students,
    key=lambda s: (-s["grade"], s["age"])
)

五、性能开销分析与工程选型指南

在工程实践中，选用 sort() 还是 sorted() 并不存在绝对的优劣，而是取决于约束条件：是需要节省内存，还是需要保护数据不变性？

1. 内存与时间开销的差异

• 内存消耗：对于一个包含 1000 万个整数的列表，sorted() 需要额外开辟大约 80MB 的内存空间来构建新列表并存放对象指针；而 list.sort() 几乎只需要 \(O(1)\) 的附加辅助空间。如果运行在内存资源紧缺的容器或微服务器中，且原数据不再需要，sort() 能显著降低 OOM（Out Of Memory）的风险。
• 运行耗时：在纯排序计算阶段，两者的底层算法完全一致。但 sorted() 多了一步“遍历迭代器构造初始列表”的动作，因此在相同数据下，list.sort() 的执行速度通常略快 10%~15%。

2. 选型判断依据与决策流程

为了帮助你在开发中快速抉择，可以遵循以下三个决策层级：

1. 必须使用 sorted() 的硬性条件：输入对象不是 list（例如元组、集合、生成器），或者原始序列不可被篡改（如函数参数需保持只读，避免对外部调用方产生隐式副作用）。
2. 优先使用 list.sort() 的条件：原始数据本来就是列表，数据量极大（数十万至数千万级），且原列表的先后顺序在业务上毫无留存价值。
3. 优先考虑函数式与链式调用时：如果排序完成后需要立即结合切片或链式调用，例如 top3 = sorted(scores, reverse=True)[:3]，使用 sorted() 代码更精炼优雅。

六、常见误区总结与避坑清单

为了在实际编码中写出更加健壮、无 bug 的排序逻辑，请牢记以下四点实践法则：

• 绝不要对 list.sort() 执行赋值：切记 x = x.sort() 是最经典的 Python 错误写法，如果需要赋值请使用 x = sorted(x)。
• 混合类型不可比异常：在 Python 3 中，严格禁止不同类型且未定义大小关系的值混合排序（例如 [1, "a", 2].sort() 会抛出 TypeError: '<' not supported between instances of 'str' and 'int'）。如果数据中包含混合类型，必须通过 key 参数将其转化为统一可比较的形式。
• 避免在循环内部重复对大序列使用 sorted()：如果每次循环都产生一个全新的列表副本，会频繁触发垃圾回收（GC），造成不必要的性能抖动。对于循环中的稳定列表就地更新，优先考虑 sort()。
• 注意字典排序的默认行为：对字典直接调用 sorted(dict) 只会排序键（keys）。若需按值排序，应当使用 sorted(dict.items(), key=lambda x: x[1])。