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

@斯蒂芬的回答很中肯！这里是用于更好可视化的示例，

为Ready Player One球迷呐喊！=）

>>> gunters = [('2044-04-05', 'parzival'), ('2044-04-07', 'aech'), ('2044-04-06', 'art3mis')]
>>> gunters.sort(key=lambda tup: tup[0])
>>> print gunters
[('2044-04-05', 'parzival'), ('2044-04-06', 'art3mis'), ('2044-04-07', 'aech')]

key是一个将被调用来转换集合项以进行比较的函数。。如Java中的compareTo方法。

传递给key的参数必须是可调用的。这里，lambda的使用创建了一个匿名函数（它是一个可调用的）。lambda的语法是单词lambda后跟一个可迭代的名称，然后是一个代码块。

下面的示例中，我们对一个元组列表进行排序，该元组包含特定事件和参与者名称的信息abt时间。

我们按照事件发生的时间对该列表进行排序，这是元组的第0个元素。

注意-ssort（[cmp[，key[，reverse]]]）对s的项目进行排序

对元组进行排序非常简单：

tuple(sorted(t))

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

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

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。