sorted_by_second = sorted(data, key=lambda tup: tup[1])

or:

data.sort(key=lambda tup: tup[1])  # sorts in place

默认排序模式为升序。要按降序排序，请使用选项reverse=True：

sorted_by_second = sorted(data, key=lambda tup: tup[1], reverse=True)

or:

data.sort(key=lambda tup: tup[1], reverse=True)  # sorts in place

sorted_by_second = sorted(data, key=lambda tup: tup[1])

or:

data.sort(key=lambda tup: tup[1])  # sorts in place

默认排序模式为升序。要按降序排序，请使用选项reverse=True：

sorted_by_second = sorted(data, key=lambda tup: tup[1], reverse=True)

or:

data.sort(key=lambda tup: tup[1], reverse=True)  # sorts in place

对于按多个条件排序，例如按元组中的第二个和第三个元素排序，让

data = [(1,2,3),(1,2,1),(1,1,4)]

因此定义一个lambda，它返回一个描述优先级的元组，例如

sorted(data, key=lambda tup: (tup[1],tup[2]) )
[(1, 1, 4), (1, 2, 1), (1, 2, 3)]

斯蒂芬的答案是我会用的。为了完整起见，这里是DSU（修饰排序-未修饰）模式和列表理解：

decorated = [(tup[1], tup) for tup in data]
decorated.sort()
undecorated = [tup for second, tup in decorated]

或者，更简洁地说：

[b for a,b in sorted((tup[1], tup) for tup in data)]

正如Python Sorting HowTo中所指出的，自从Python 2.4之后，当关键函数可用时，这是不必要的。

itemgetter（）比lambda tup:tup[1]稍快，但增长相对温和（约10%至25%）。

（IPython会话）

>>> from operator import itemgetter
>>> from numpy.random import randint
>>> values = randint(0, 9, 30000).reshape((10000,3))
>>> tpls = [tuple(values[i,:]) for i in range(len(values))]

>>> tpls[:5]    # display sample from list
[(1, 0, 0), 
 (8, 5, 5), 
 (5, 4, 0), 
 (5, 7, 7), 
 (4, 2, 1)]

>>> sorted(tpls[:5], key=itemgetter(1))    # example sort
[(1, 0, 0), 
 (4, 2, 1), 
 (5, 4, 0), 
 (8, 5, 5), 
 (5, 7, 7)]

>>> %timeit sorted(tpls, key=itemgetter(1))
100 loops, best of 3: 4.89 ms per loop

>>> %timeit sorted(tpls, key=lambda tup: tup[1])
100 loops, best of 3: 6.39 ms per loop

>>> %timeit sorted(tpls, key=(itemgetter(1,0)))
100 loops, best of 3: 16.1 ms per loop

>>> %timeit sorted(tpls, key=lambda tup: (tup[1], tup[0]))
100 loops, best of 3: 17.1 ms per loop

如果你想将数组从高到低排序，我只想添加到Stephen的答案中，除了上面的注释之外，另一种方法就是将其添加到行中：

reverse = True

结果如下：

data.sort(key=lambda tup: tup[1], reverse=True)