本文介绍在 Python 中高效排序大型字典列表的核心方法，重点对比 lambda 与 operator.itemgetter 的性能差异，并提供可直接复用的优化代码与实践建议。
本文介绍在 python 中高效排序大型字典列表的核心方法，重点对比 `lambda` 与 `operator.itemgetter` 的性能差异，并提供可直接复用的优化代码与实践建议。
在 Python 中，对包含成千上万个字典的列表（如 [{'name': 'Alice', 'age': 32}, {'name': 'Bob', 'age': 28}, ...]）按某字段（如 'age'）排序，是数据处理中的高频操作。虽然 sorted(my_list, key=lambda x: x['age']) 语法直观、易于理解，但在大规模数据场景下，其性能并非最优——因为每次比较都会动态调用 lambda 函数，涉及额外的函数调用开销与闭包解析。
更高效的方式是使用标准库 operator.itemgetter。它是一个预编译的 C 实现的“键提取器”，直接通过属性名快速定位字典值，避免了 Python 层函数调用的开销，实测在 10 万+ 元素列表中可提升 15%–30% 排序速度。
✅ 推荐写法（高效、简洁、可读性强）：
from operator import itemgetter
# 按单个键升序排序
sorted_list = sorted(my_list, key=itemgetter('age'))
# 按多个键排序：先按 'department' 升序，再按 'salary' 降序
sorted_list = sorted(my_list, key=itemgetter('department', 'salary'))
# 注意：itemgetter 默认全部升序；如需混合升降序，需结合 reverse 参数或使用 tuple 包装
sorted_by_dept_asc_salary_desc = sorted(
my_list,
key=lambda x: (x['department'], -x['salary']) # 数值型适用负号取反
)⚠️ 注意事项：
立即学习“Python免费学习笔记（深入）”；
- itemgetter('key') 在键不存在时会抛出 KeyError；若字典结构不统一，建议先清洗数据，或改用 lambda x: x.get('key', default_value) 提供默认值；
- sorted() 返回新列表，不修改原列表；如需就地排序，使用 my_list.sort(key=itemgetter('age'))；
- 若需稳定排序（相同键值保持原始顺序），sorted() 和 .sort() 均默认稳定，无需额外配置；
- 对超大规模数据（如千万级），应考虑是否真正需要全量内存排序——此时建议转向 pandas.DataFrame.sort_values() 或流式分块处理。
总结：在追求性能与可维护性的平衡点上，itemgetter 是 Python 字典列表排序的首选工具。它不仅更快，而且语义清晰（明确表达“取字段值”意图），比匿名 lambda 更具专业性与可读性。将 from operator import itemgetter 纳入你的常用导入清单，是提升数据处理代码质量的微小但关键的一步。
