本文介绍在处理大规模数据时，如何通过 operator.itemgetter 替代 lambda 实现字典列表的高效排序，显著提升性能并保持代码简洁可读。
本文介绍在处理大规模数据时，如何通过 `operator.itemgetter` 替代 `lambda` 实现字典列表的高效排序，显著提升性能并保持代码简洁可读。
在 Python 中对字典列表按指定键排序是常见需求，但当数据量达到数万甚至百万级时，排序性能会成为瓶颈。虽然 sorted(my_list, key=lambda x: x['name']) 语法直观、易于理解，但其内部机制存在明显开销：每次比较都需动态创建闭包、解析 lambda 表达式并执行字典索引操作，导致 CPU 缓存不友好且解释器调用频繁。
更高效的替代方案是使用标准库中的 operator.itemgetter：
from operator import itemgetter
# 示例数据
students = [
{'name': 'Alice', 'age': 23, 'grade': 88},
{'name': 'Bob', 'age': 20, 'grade': 92},
{'name': 'Charlie', 'age': 22, 'grade': 85}
]
# 高效排序：按 'grade' 升序
sorted_by_grade = sorted(students, key=itemgetter('grade'))
# 支持多字段排序（先按 grade 降序，再按 age 升序）
sorted_multi = sorted(students, key=itemgetter('grade', 'age'), reverse=True)itemgetter('key') 返回一个预编译的 C 语言级函数对象，直接通过底层 PyObject_GetItem 获取值，避免了 Python 层的函数调用开销。基准测试表明，在 10 万条字典记录上，itemgetter 比等效 lambda 快约 25%–40%，且内存占用更低。
注意事项：
立即学习“Python免费学习笔记（深入）”；
- 若键可能缺失，itemgetter 会抛出 KeyError；如需容错，可结合 dict.get 或使用 functools.partial(dict.get, default=...)，或改用 lambda x: x.get('key', default_value)；
- 对原地排序，优先使用 list.sort()（返回 None，节省内存）而非 sorted()（返回新列表）；
- 多字段排序时，itemgetter('a', 'b') 等价于元组 (x['a'], x['b'])，天然支持 Python 的元组比较规则；
- 若需自定义逻辑（如忽略大小写、数值解析），lambda 或普通函数仍不可替代，此时应权衡可读性与性能。
综上，在绝大多数标准键排序场景中，itemgetter 是兼顾性能、可读性与可靠性的最佳实践。
