python编写自定义数组排序函数

以下是python编写自定义数组排序函数的示例代码：

def my_sort(arr):
    """
    自定义排序函数，将数组按照元素长度从小到大排序
    """
    return sorted(arr, key=len)

# 示例
my_arr = ['apple', 'banana', 'orange', 'grape']
sorted_arr = my_sort(my_arr)
print(sorted_arr)  # ['apple', 'grape', 'banana', 'orange']

在上面的代码中，`my_sort`函数接受一个数组作为参数，使用`sorted`函数进行排序，其中`key`参数指定了按照元素长度进行排序。最后返回排序后的数组。在示例中，我们将一个包含水果名称的数组作为参数传递给`my_sort`函数，得到按照字母长度从小到大排序的结果。

相关问题

python 二元数组排序

### 对二维数组进行排序

在 Python 中处理多维数据时，`numpy` 是一个非常强大的库。对于二元数组（即二维数组），可以利用 `numpy.sort()` 函数来实现排序操作[^1]。

#### 使用 Numpy 排序函数

为了对整个二维数组按特定轴进行排序：

import numpy as np

array_2d = np.array([[9, 8, 7], [6, 5, 4]])
sorted_array = np.sort(array_2d, axis=0)  # 按列排序
print(sorted_array)

sorted_array_row = np.sort(array_2d, axis=1)  # 按行排序
print(sorted_array_row)

上述代码展示了两种不同的排序方式：一种是沿垂直方向（列）排序；另一种则是水平方向（行）。通过设置参数 `axis` 的值可以选择不同维度上的排序行为。

如果希望获取原始索引位置以便追踪元素移动情况，则可采用 `argsort()` 方法：

indices = np.argsort(array_2d, axis=None)  # 获取扁平化后的索引顺序
flattened_sorted = array_2d.flatten()[indices]
reshaped_sorted = flattened_sorted.reshape(array_2d.shape)
print(reshaped_sorted)

此方法先将矩阵展平成一维向量再求得其排列次序，最后恢复到原来的形状。

另外值得注意的是，在某些情况下可能需要自定义比较逻辑来进行更复杂的排序任务。此时可以通过传递额外的关键字参数给 `sort()` 或者编写辅助函数配合使用。

python二维数组操作

### Python 二维列表操作方法

#### 创建二维列表
可以直接通过嵌套列表来创建二维列表。例如：

matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

也可以利用`for`循环或列表推导式动态构建较大规模的二维列表[^2]。

#### 访问元素
可以通过索引来访问特定位置上的值，比如获取第0行第1列的元素可以写作`matrix[0][1]`，这会返回数值2。

#### 修改元素
修改某个具体位置处的数据同样简单明了，只需指定行列坐标并赋予新值即可完成更新动作。如要将上述矩阵的第一行第二列改为10，则执行如下语句:`matrix[0][1]=10`。

#### 遍历二维列表
当需要逐一遍历整个表格内的每一个成员时，通常采用双重循环结构来进行迭代处理:

for i in range(len(matrix)):
    for j in range(len(matrix[i])):
        print(f'Element at {i},{j} is {matrix[i][j]}')

另一种更简洁的方式是借助于内置函数enumerate()简化代码逻辑:

for rowIndex,rowData in enumerate(matrix):
    for colIndex,value in enumerate(rowData):
        print(f'Element at ({rowIndex},{colIndex})={value}')

#### 转置二维列表
对于转置操作而言，如果不想依赖第三方库的话，那么最直观的办法就是交换原表各行各列的位置关系形成新的布局形式。下面给出了一种基于列表解析式的解决方案[^4]:

transposed_matrix = [[row[colIdx] for row in matrix] for colIdx in range(len(matrix[0]))]

另外还可以考虑运用zip(*iterables)配合星号解包参数特性达成相同效果:

transposed_matrix_zip = list(map(list, zip(*matrix)))

#### 排序二维列表
针对排序需求，可以根据不同维度（即行或者列）以及自定义比较规则灵活调整策略。这里提供两种常见场景下的实现方式：一是沿某一方向全局升/降序排列；二是依据特定字段作为关键字指引局部有序化过程[^3]。

##### 按照行进行整体排序
使用sorted()内建工具加上key参数指定辅助判断条件能够轻松搞定此类任务。假设希望按照每行之和从小到大重排给定矩阵，则编写相应表达式如下所示:

import numpy as np
sorted_by_row_sum = sorted(matrix, key=lambda x: sum(x))

##### 对单个属性实施优先级控制
有时仅需关注部分特征而忽略其余干扰因素，在这种情况下引入operator.itemgetter()辅助类有助于提高效率与可读性。此处举例说明怎样让对象先按第三项再依首项决定先后顺序:

from operator import itemgetter
custom_sorted = sorted(matrix, key=itemgetter(2, 0))