Python排序并行数组到位了吗？

在Python中，有没有一种简单的方法（即不使用自己的排序函数）对并行列表进行排序，而不必进行不必要的复制？例如：

foo = range(5)
bar = range(5, 0, -1)
parallelSort(bar, foo)
print foo # [4,3,2,1,0]
print bar # [1,2,3,4,5]

---

我见过使用

zip

的示例，但是如果可以很容易避免的话，将所有数据从并行列表复制到元组列表然后再复制回来似乎很愚蠢。

要实现这一点，您必须实现自己的排序

---

然而：不必要的复制真的会伤害你的应用程序吗？Python的某些部分也常常让我觉得效率低下，但它们的效率足以满足我的需要。

有没有一种简单的方法？对用拉链

有没有“不使用zip变体的简单方法”？没有

如果您想详细说明为什么您反对使用zip，那会很有帮助。要么复制对象，在这种情况下Python将通过引用进行复制，要么将一些非常轻量级的东西复制到轻量级元组中，以至于不值得优化

---

如果您真的不关心执行速度，但由于某些原因特别关心内存压力，那么您可以在键列表上滚动您自己的冒泡排序（或您选择的排序算法），在进行交换时，它会交换键列表和目标列表元素。我会称之为easy的反面，但它肯定会限制您的工作集。

我能想象的任何解决方案，除了从头开始引入排序外，都会使用索引、dict或其他不利于节省内存的东西。在任何情况下，使用

zip

只会增加内存使用量的一个常数因子，因此在找到解决方案之前，确保这确实是一个问题是值得的

如果这确实成为一个问题，可能会有更有效的解决办法。由于

foo

和

bar

的元素关系如此密切，您确定它们的正确表示形式不是元组列表吗？如果内存不足，例如numpy数组或数据库（后者非常擅长这种操作），您确定它们不应该处于更紧凑的数据结构中吗

（顺便提一句，

itertools.izip

可以在

zip

上为您节省一点内存，尽管排序的结果仍然是列表形式的完整压缩列表。）

这里有一个简单的方法：

perm = sorted(xrange(len(foo)), key=lambda x:foo[x])

这将生成一个排列列表-排列[i]中的值是foo中第i个最小值的索引。然后，您可以按顺序访问这两个列表：

for p in perm:
  print "%s: %s" % (foo[p], bar[p])

---

不过，您需要对它进行基准测试，以确定它是否更高效——我怀疑它会有多大的不同。

您认为这种并行排序会有什么作用？从你的评论中可以看出，它按降序对foo进行排序，按升序对bar进行排序，对foo进行锁定操作。如果最初

foo

是

[2,4,6,10,8]

而

bar

是

[3,7,9,5,1]，那么
parallelSort
会给出什么

？@Kenny:bar现在已排序并等于[1,3,5,7,9]。foo是在lockstep中操作的，现在等于[8,2,10,4,6]。我明白你关于避免过早优化的观点，但有时（在这种情况下），我喜欢编写通用代码，并且知道如果我在大型数据集或其他东西上使用它，它将“正常工作”。在这种情况下，我更担心的是内存不足，而不是速度。您自己的分类是否会涉及使用

zip

，

dict

，等等？不。假设您实现了自己的快速排序-您可以确保在两个列表上进行任何交换。我怀疑在Python中实现的任何并行排序都会占用更多的时间和内存。big-O的速度和空间无法提高，而在纯Python中这样做会增加很多开销。@dimcha，如果您有一个大数据集并且内存不足，解决方案可能是这样的，但可能是使用numpy数组，或

数组.array

或数据库，考虑一下这是否是真正有用的解决办法。只是因为你不能想到一个不使用Zip的简单方法并不意味着没有一个-我的答案。你的答案是另一个名字，所以我站在“没有不使用zip变体的简单方法”后面。这是一个愚蠢的问题，但是，如果在内存中排序本质上是什么元组（sort_值，index）比排序元组（sort_值，target_值）更好，好吧，“按另一个名称压缩”？它当然不是——它与压缩无关，并且根本不修改原始元素。事实上，它甚至不涉及第二个数组。压缩仅仅意味着从两个或更多的源iterable构建一个元组iterable。你认为排序（index，key=foo）在做什么？它构造一个元组列表（foo_val，index），然后对它们进行排序。这与压缩（foo_val，target_val）和排序是无法区分的。如果您想有所不同，请将

range

更改为

xrange

。除非你使用的是Python3.Hm，没错。或者使用.sort而不是sorted，但这会破坏单行程序事实证明，这并不比将它们排序到不合适的位置要好，因为

排序

会贪婪地分配大量内存，例如

排序（范围（10**6），key=lambda x:x）

。（我所说的范围是指xrange，它在python3中被更改）当你这样做时，你会注意到你的RAM中有很大一部分消失了。结果表明，

排序

足够聪明，不会对

范围

进行排序，因此要注意在没有

键=

函数的情况下进行测试。