为什么这个用于排序异构序列的关键类表现奇怪？

Posted 2021-04-02

Python 3.x的sorted()函数不能依赖于对异构序列进行排序，因为大多数不同类型的对是不可订的（数字类型如int，float，decimal.Decimal等是一个例外）：

Python 3.4.2 (default, Oct  8 2014, 08:07:42) 
[GCC 4.8.2] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> sorted(["one", 2.3, "four", -5])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: unorderable types: float() < str()

相比之下，没有自然顺序的对象之间的比较是任意的，但在Python 2.x中是一致的，所以sorted()可以工作：

Python 2.7.8 (default, Aug  8 2014, 14:55:30) 
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> sorted(["one", 2.3, "four", -5])
[-5, 2.3, 'four', 'one']

为了在Python 3.x中复制Python 2.x的行为，我写了一个类作为key的sorted()参数，它依赖于sorted()是guaranteed只使用小于比较的事实：

class motley:

    def __init__(self, value):
        self.value = value

    def __lt__(self, other):
        try:
            return self.value < other.value
        except TypeError:
            return repr(type(self.value)) < repr(type(other.value))

用法示例：

>>> sorted(["one", 2.3, "four", -5], key=motley)
[-5, 2.3, 'four', 'one']

到现在为止还挺好。

但是，当使用包含复数的某些序列调用sorted(s, key=motley)时，我注意到了一个令人惊讶的行为：

>>> sorted([0.0, 1, (1+0j), False, (2+3j)], key=motley)
[(1+0j), 0.0, False, (2+3j), 1]

我本来期望0.0，False和1属于一组（因为它们是相互可订购的），(1+0j)和(2+3j)属于另一组（因为它们属于同一类型）。事实上，这个结果中的复数不仅彼此分开，而且其中一个坐在一组彼此相当但不与之相当的物体的中间，这有点令人困惑。

这里发生了什么？

答案

你不知道比较的顺序是什么，甚至比较哪些项目，这意味着你无法真正知道你的__lt__会有什么影响。您定义的__lt__有时取决于实际值，有时取决于类型的字符串表示，但两个版本可能在排序过程中用于同一对象。这意味着您的排序不仅仅由列表中的对象决定，还可能取决于它们的初始顺序。这反过来意味着仅仅因为对象是相互可比的并不意味着它们将被排序在一起;它们可能会被它们之间无法比拟的对象“阻挡”。

您可以通过调入一些调试打印来了解正在发生的事情，看看它在比较什么：

class motley:

    def __init__(self, value):
        self.value = value

    def __lt__(self, other):
        fallback = False
        try:
            result = self.value < other.value
        except TypeError:
            fallback = True
            result = repr(type(self.value)) < repr(type(other.value))
        symbol = "<" if result else ">"
        print(self.value, symbol, other.value, end="")
        if fallback:
            print(" -- because", repr(type(self.value)), symbol, repr(type(other.value)))
        else:
            print()
        return result

然后：

>>> sorted([0.0, 1, (1+0j), False, (2+3j)], key=motley)
1 > 0.0
(1+0j) < 1 -- because <class 'complex'> < <class 'int'>
(1+0j) < 1 -- because <class 'complex'> < <class 'int'>
(1+0j) < 0.0 -- because <class 'complex'> < <class 'float'>
False > 0.0
False < 1
(2+3j) > False -- because <class 'complex'> > <class 'bool'>
(2+3j) < 1 -- because <class 'complex'> < <class 'int'>
[(1+0j), 0.0, False, (2+3j), 1]

例如，您可以看到基于类型的排序用于将复数与1进行比较，但不是用于比较1和0.同样0.0 < False用于“正常”原因，但2+3j > False用于基于类型名称的原因。

结果是它将1+0j排序到开头，然后将2+3j留在高于False的位置。它甚至从未尝试将两个复数相互比较，并且它们与之比较的唯一项目是1。

更一般地说，您的方法可以导致不及物的排序，并对所涉及的类型的名称进行适当的选择。例如，如果您定义类A，B和C，可以比较A和C，但是在与B比较时会产生异常，然后通过创建对象a，b和c（来自相应的类），使得c < a ，你可以创建一个循环a < b < c < a。 a < b < c将是真的，因为类将根据他们的名字进行比较，但c < a可以直接比较这些类型。使用不及物动词排序，没有“正确”排序顺序的希望。

您甚至可以使用内置类型执行此操作，但需要有点创意才能考虑类型名称按字母顺序排列的对象：

>>> motley(1.0) < motley(lambda: 1) < motley(0) < motley(1.0)
True

（因为'float' < 'function' :-)