Ecco un modo: fondamentalmente riscrivi la tua funzione di ordinamento per prendere un elenco di funzioni di ordinamento, ogni funzione di ordinamento confronta gli attributi che vuoi testare, su ogni test di ordinamento, guardi e vedi se la funzione cmp restituisce un ritorno diverso da zero in tal caso, interrompere e inviare il valore restituito. Lo chiami chiamando un Lambda di una funzione di un elenco di Lambdas.
Il suo vantaggio è che passa attraverso i dati non una sorta di ordinamento precedente come fanno altri metodi. Un'altra cosa è che si ordina sul posto, mentre ordinato sembra fare una copia.
L'ho usato per scrivere una funzione di rango, che classifica un elenco di classi in cui ogni oggetto è in un gruppo e ha una funzione di punteggio, ma è possibile aggiungere qualsiasi elenco di attributi. Nota il non-lambda-like, anche se uso hacker di un lambda per chiamare un setter. La parte di rango non funziona per una serie di elenchi, ma l'ordinamento funzionerà.
#First, here's a pure list version
my_sortLambdaLst = [lambda x,y:cmp(x[0], y[0]), lambda x,y:cmp(x[1], y[1])]
def multi_attribute_sort(x,y):
r = 0
for l in my_sortLambdaLst:
r = l(x,y)
if r!=0: return r #keep looping till you see a difference
return r
Lst = [(4, 2.0), (4, 0.01), (4, 0.9), (4, 0.999),(4, 0.2), (1, 2.0), (1, 0.01), (1, 0.9), (1, 0.999), (1, 0.2) ]
Lst.sort(lambda x,y:multi_attribute_sort(x,y)) #The Lambda of the Lambda
for rec in Lst: print str(rec)
Ecco un modo per classificare un elenco di oggetti
class probe:
def __init__(self, group, score):
self.group = group
self.score = score
self.rank =-1
def set_rank(self, r):
self.rank = r
def __str__(self):
return '\t'.join([str(self.group), str(self.score), str(self.rank)])
def RankLst(inLst, group_lambda= lambda x:x.group, sortLambdaLst = [lambda x,y:cmp(x.group, y.group), lambda x,y:cmp(x.score, y.score)], SetRank_Lambda = lambda x, rank:x.set_rank(rank)):
#Inner function is the only way (I could think of) to pass the sortLambdaLst into a sort function
def multi_attribute_sort(x,y):
r = 0
for l in sortLambdaLst:
r = l(x,y)
if r!=0: return r #keep looping till you see a difference
return r
inLst.sort(lambda x,y:multi_attribute_sort(x,y))
#Now Rank your probes
rank = 0
last_group = group_lambda(inLst[0])
for i in range(len(inLst)):
rec = inLst[i]
group = group_lambda(rec)
if last_group == group:
rank+=1
else:
rank=1
last_group = group
SetRank_Lambda(inLst[i], rank) #This is pure evil!! The lambda purists are gnashing their teeth
Lst = [probe(4, 2.0), probe(4, 0.01), probe(4, 0.9), probe(4, 0.999), probe(4, 0.2), probe(1, 2.0), probe(1, 0.01), probe(1, 0.9), probe(1, 0.999), probe(1, 0.2) ]
RankLst(Lst, group_lambda= lambda x:x.group, sortLambdaLst = [lambda x,y:cmp(x.group, y.group), lambda x,y:cmp(x.score, y.score)], SetRank_Lambda = lambda x, rank:x.set_rank(rank))
print '\t'.join(['group', 'score', 'rank'])
for r in Lst: print r