sort()原地排序不返回新列表，sorted()总返回新列表；两者均用Timsort，性能差异主要在内存分配与数据复制。
sorted() 和 sort() 底层都用 Timsort，算法性能几乎一样；真正影响快慢的，是内存分配和是否需要复制数据。
sort() 不返回值，但会改原列表
调用
后，原列表直接重排，不产生新对象，返回
。如果写成
，
就是
，原列表虽已排序，但变量丢了引用。
常见错误：链式操作失败，比如
报
适用场景：确定只用一次、后续不再需要原始顺序、且列表很大（如百万级元素）
注意：多线程/多协程中修改同一列表，需加锁，
不是原子操作
sorted() 总是返回新 list，输入类型不限
接收任意可迭代对象——
、
、
、生成器都行，但返回值固定是
。这意味着哪怕你传入一个
，也会被展开、排序、装进新
返回。
常见错误：对大元组或文件迭代器用
，会一次性读入内存，可能 OOM
输入是生成器时，
必须先转成 list 才能排序，无法流式处理
想保持输入类型？得手动转换：
或
（但 set 本身无序，转回去没意义）
key 函数调用开销在两者中完全一致
无论用
还是
，只要用了
，每个元素都会调用一次该函数。性能瓶颈不在排序算法，而在 key 的计算成本。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
立即学习
“
Python免费学习笔记（深入）
”；
避免在
里做 I/O、网络请求、正则匹配等重操作
字符串忽略大小写排序，用
比
略快（前者是内置方法）
要按中文拼音排序，别每次调
，先预计算好键值列表再排序，或用
缓存结果
多字段排序优先用
，比
更快更安全
reverse=True 并不比两次排序快
只是翻转比较逻辑，不是先升序再反转。它和默认升序的复杂度一致，都是 O(n log n)。但要注意：它不能替代多条件升降混排。
要实现 “先按 age 升序，再按 score 降序”，不能写
（仅适用于数字）
更通用做法：先按次要字段降序
，再按主要字段升序稳定排序 —— 因为 Timsort 是稳定排序
或者直接用元组：
，前提是 score 全为数字且不为 None
最常被忽略的一点：如果你在循环里反复对同一份数据调用
，而其实只需要一次排序结果，那就纯属浪费 CPU 和内存；反过来，如果误用
导致上游数据被意外修改，调试时可能根本想不到是排序惹的祸。
list.sort()Nonenew_list = my_list.sort()new_listNonemy_list.sort().reverse()AttributeErrorsort()sorted()tuplesetstrlisttuplelistsorted()sorted()tuple(sorted(my_tuple))set(sorted(my_set))sort()sorted()key=...keykey=str.lowerkey=lambda x: x.lower()lazy_pinyin(x)functools.cacheoperator.itemgetter(0, 2)lambda x: (x[0], x[2])reverse=Truekey=lambda x: (x['age'], -x['score'])sorted(data, key=lambda x: x['score'], reverse=True)sorted(data, key=lambda x: (x['age'], -x['score']))sorted()sort()