如果不需要字典的原始列表，可以使用自定义键函数使用sort（）方法对其进行修改。

关键功能：

def get_name(d):
    """ Return the value of a key in a dictionary. """

    return d["name"]

要排序的列表：

data_one = [{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age': 10}]

将其分类到位：

data_one.sort(key=get_name)

如果需要原始列表，请调用sorted（）函数，将列表和键函数传递给它，然后将返回的排序列表分配给新变量：

data_two = [{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age': 10}]
new_data = sorted(data_two, key=get_name)

正在打印data_one和new_data。

>>> print(data_one)
[{'name': 'Bart', 'age': 10}, {'name': 'Homer', 'age': 39}]
>>> print(new_data)
[{'name': 'Bart', 'age': 10}, {'name': 'Homer', 'age': 39}]

您必须实现自己的比较函数，该函数将通过名称键的值来比较字典。参见PythonInfo Wiki中的排序迷你如何

有时我们需要使用lower（）进行不区分大小写的排序。例如

lists = [{'name':'Homer', 'age':39},
  {'name':'Bart', 'age':10},
  {'name':'abby', 'age':9}]

lists = sorted(lists, key=lambda k: k['name'])
print(lists)
# Bart, Homer, abby
# [{'name':'Bart', 'age':10}, {'name':'Homer', 'age':39}, {'name':'abby', 'age':9}]

lists = sorted(lists, key=lambda k: k['name'].lower())
print(lists)
# abby, Bart, Homer
# [ {'name':'abby', 'age':9}, {'name':'Bart', 'age':10}, {'name':'Homer', 'age':39}]

如果要按多个键对列表进行排序，可以执行以下操作：

my_list = [{'name':'Homer', 'age':39}, {'name':'Milhouse', 'age':10}, {'name':'Bart', 'age':10} ]
sortedlist = sorted(my_list , key=lambda elem: "%02d %s" % (elem['age'], elem['name']))

它相当粗糙，因为它依赖于将值转换为单个字符串表示形式进行比较，但对于包括负数在内的数字，它的工作方式与预期一样（尽管如果使用数字，则需要使用零填充来适当地格式化字符串）。

您可以使用自定义比较函数，也可以传入计算自定义排序键的函数。这通常更有效，因为每个项只计算一次键，而比较函数将被调用多次。

你可以这样做：

def mykey(adict): return adict['name']
x = [{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age':10}]
sorted(x, key=mykey)

但是标准库包含一个获取任意对象项的通用例程：itemgetter。因此，请尝试以下操作：

from operator import itemgetter
x = [{'name': 'Homer', 'age': 39}, {'name': 'Bart', 'age':10}]
sorted(x, key=itemgetter('name'))

如果性能是一个问题，我会使用operator.itemgetter而不是lambda，因为内置函数比手工制作的函数执行得更快。根据我的测试，itemgetter函数的执行速度似乎比lambda快20%左右。

从…起https://wiki.python.org/moin/PythonSpeed:

同样，内置函数的运行速度也比手工构建的等效函数快。例如，map（operator.add，v1，v2）比map（lambda x，y:x+y，v1，v2）更快。

下面是lambda与itemgetter排序速度的比较。

import random
import operator

# Create a list of 100 dicts with random 8-letter names and random ages from 0 to 100.
l = [{'name': ''.join(random.choices(string.ascii_lowercase, k=8)), 'age': random.randint(0, 100)} for i in range(100)]

# Test the performance with a lambda function sorting on name
%timeit sorted(l, key=lambda x: x['name'])
13 µs ± 388 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

# Test the performance with itemgetter sorting on name
%timeit sorted(l, key=operator.itemgetter('name'))
10.7 µs ± 38.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

# Check that each technique produces the same sort order
sorted(l, key=lambda x: x['name']) == sorted(l, key=operator.itemgetter('name'))
True

这两种技术都以相同的顺序对列表进行排序（通过在代码块中执行最终语句来验证），但第一种排序速度稍快。