Schwartzian transform(DSU)

　　在了解python的时候发现Schwartzian transform这条规则，是针对computing intensive排序的一种高效手段，也被称作“装饰－排序－去装饰”（decorate-sort-undecorate），在Knuth的神作有详细介绍（当然我没有去翻）

　　一般地，在python的排序中， 我们提供一个compare函数，然后交由python内建的sort处理，比如

　

def cmp(a,b):
    if a>b:return 1
    elif a<b:return -1
    else:return 0

if __name__ == '__main__':
    ls = [1,8,5,3]
    ls.sort(cmp)
    print ls

 你将会得到排好序的[1,3,5,8]

　　但是，有时如果cmp过于复杂，直接这样做效率会很低，于是 Schwartzian transform这种最早出现在perl中的编程惯例便显现出优越性，它的主要思想是：

1. 对list中的复杂元素进行处理，提取出与排序相关的key，与原元素组合成为tupple

2.调用内建排序算法(对key)

3.提取出排好序的list

以下是伪代码：

def sortDSU(list)
    tmp = [(x.key(), x) for x in list] #这里key()表示提取排序相关的key值
    tmp.sort()  
    return [x[1] for x in tmp]

 

 当然如果你想实现in－place排序，最后一句换为

 

 list［:］= [x[1] for x in tmp]

 ========================================================

总结：

DSU避免了对复杂元素反复计算key值，达到了memoization的效果

 

 最后，贴一个python cookbook上的例子：

Sorting a List of Objects by an Attribute of the Objects

 按照指定属性排序

def sort_by_attr(seq, attr):
    import operator

    intermed = map(None, map(getattr, seq, (attr,)*len(seq)),
        xrange(len(seq)), seq)
    intermed.sort(  )
    return map(operator.getitem, intermed, (-1,)*len(intermed))

如果对map不是很熟，另一种表述可能会更清晰

def sort_by_attr2(seq, attr):
    intermed = [(getattr(seq[i], attr), i, seq[i]) for i in xrange(len(seq))]
    intermed.sort(  )
    return [ tup[-1] for tup in intermed ]