在学习具体用法前，我们首先要明确sort()和sorted()的本质区别，这是后续灵活运用的关键。简单来说，两者的核心差异集中在是否修改原对象和返回值上，具体对比如下：
举个最简单的例子，帮你直观感受：
# 测试sort()my_list = [3, 1, 2]result = my_list.sort() # 对原列表排序print("原列表:", my_list) # 输出：原列表: [1, 2, 3]（原列表已被修改）print("返回值:", result) # 输出：返回值: None（无返回值）# 测试sorted()my_tuple = (3, 1, 2) # 用元组（不可变对象）测试result = sorted(my_tuple) # 对元组排序，创建新列表print("原元组:", my_tuple) # 输出：原元组: (3, 1, 2)（原对象未变）print("返回值:", result) # 输出：返回值: [1, 2, 3]（返回新列表）
记住这个核心区别：需要修改原列表用 sort ()，需要保留原数据用 sorted ()。
无论是sort()还是sorted()，默认都按 “升序” 排序，用法非常简洁。我们分场景讲解基础用法：
1. 对列表排序（最常用场景）
如果你的数据是列表，两种方法都能使用，根据是否需要保留原列表选择：
# 场景1：不需要保留原列表，用sort()（更节省内存）scores = [85, 92, 78, 95, 88]scores.sort() # 原地升序排序print("排序后:", scores) # 输出：排序后: [78, 85, 88, 92, 95]# 场景2：需要保留原列表，用sorted()scores = [85, 92, 78, 95, 88]sorted_scores = sorted(scores) # 新列表存储排序结果print("原列表:", scores) # 输出：原列表: [85, 92, 78, 95, 88]（未变）print("排序后:", sorted_scores) # 输出：排序后: [78, 85, 88, 92, 95]
2. 对其他可迭代对象排序（sorted () 专属）
sorted()的优势在于支持所有可迭代对象，比如元组、字典、字符串等。需要注意的是，无论原对象是什么类型，sorted()的返回值永远是 “列表”：
# 对元组排序my_tuple = (5, 2, 4)print(sorted(my_tuple)) # 输出：[2, 4, 5]（返回列表）# 对字符串排序（按字符ASCII码）my_str = "python"print(sorted(my_str)) # 输出：['h', 'n', 'o', 'p', 't', 'y']（返回列表）# 对字典排序（默认按“键”排序，返回键的列表）my_dict = {"b": 2, "a": 1, "c": 3}print(sorted(my_dict)) # 输出：['a', 'b', 'c']（按键排序）
默认的升序排序满足不了所有需求？别担心，sort()和sorted()都支持通过参数自定义排序规则，最常用的是reverse（倒序）和key（指定排序依据）。
1. 倒序排序（reverse 参数）
只需给reverse参数传True，就能实现 “降序” 排序，两种方法用法一致：
# sort()倒序nums =nums.sort(reverse=True)print(nums) # 输出：[3, 2, 1]# sorted()倒序nums =print(sorted(nums, reverse=True)) # 输出：[3, 2, 1]
2. 按指定规则排序（key 参数）
key参数是排序的 “灵魂”，它允许我们传入一个函数，用函数的返回值作为 “排序依据”。比如按字符串长度排序、按字典的 “值” 排序、按对象的某个属性排序等。
案例 1：按字符串长度排序
如果要对列表中的字符串按 “长度” 排序（而非默认的字母顺序），可以用len函数作为key：
words = ["apple", "banana", "cherry", "date"]# 按字符串长度升序排序sorted_words = sorted(words, key=len)print(sorted_words) # 输出：['date', 'apple', 'banana', 'cherry']（长度：4→5→6→6）
案例 2：按字典的 “值” 排序
字典默认按 “键” 排序，若要按 “值” 排序，可通过lambda函数指定key=lambda x: x[1]（x[0]是键，x[1]是值）：
student_scores = {"小明": 85, "小红": 92, "小刚": 78}# 按值升序排序（返回列表，每个元素是(键,值)元组）sorted_scores = sorted(student_scores.items(), key=lambda x: x[1])print(sorted_scores) # 输出：[('小刚', 78), ('小明', 85), ('小红', 92)]
案例 3：按对象的属性排序
如果列表中是自定义对象（比如学生对象），可以按对象的某个属性（如年龄、成绩）排序：
class Student:def __init__(self, name, age, score):self.name = nameself.age = ageself.score = score# 创建学生对象列表students = [Student("小明", 15, 85),Student("小红", 14, 92),Student("小刚", 16, 78)]# 按“成绩”降序排序sorted_students = sorted(students, key=lambda x: x.score, reverse=True)# 打印结果for s in sorted_students:print(f"{s.name}: 年龄{s.age}, 成绩{s.score}")# 输出：# 小红: 年龄14, 成绩92# 小明: 年龄15, 成绩85# 小刚: 年龄16, 成绩78
学完基础和进阶用法，我们结合实际开发场景，帮你快速判断该用哪个函数：
场景 1：数据清洗后直接使用列表
如果你需要对列表数据清洗（比如删除空值）后直接排序并使用，且不需要保留原始清洗后的列表，用sort()更高效：
# 清洗数据：删除空字符串，再排序data = ["apple", "", "banana", "", "cherry"]clean_data = [x for x in data if x != ""] # 清洗后：["apple", "banana", "cherry"]clean_data.sort() # 直接修改清洗后的列表，节省内存print(clean_data) # 输出：["apple", "banana", "cherry"]
场景 2：需要对比排序前后的数据
如果你需要同时保留原始数据和排序后的数据（比如分析排序对结果的影响），必须用sorted()：
# 分析成绩排序前后的差异original_scores = [85, 92, 78, 95, 88]sorted_scores = sorted(original_scores)# 计算排序前后的最高分位置变化original_max_index = original_scores.index(max(original_scores))sorted_max_index = sorted_scores.index(max(sorted_scores))print(f"原始最高分位置: {original_max_index}, 排序后位置: {sorted_max_index}")# 输出：原始最高分位置: 3, 排序后位置: 4
场景 3：对非列表对象排序
如果你的数据是元组、字典、集合等非列表对象，只能用sorted()：
# 对集合排序（集合本身无序，排序后返回列表）my_set = {5, 2, 4, 1}sorted_set = sorted(my_set)print(sorted_set) # 输出：[1, 2, 4, 5]
1.误以为 sort () 有返回值
很多初学者会写new_list = my_list.sort()，结果发现new_list是None。记住：sort()无返回值，直接修改原列表，不需要赋值。
2.对不可变对象用 sort ()
元组、字符串是不可变对象，没有sort()方法，强行调用会报错（如my_tuple.sort()），此时必须用sorted()。
3.key 参数传错值
key需要传 “函数对象”（比如key=len），而不是函数调用结果（比如key=len()）。后者会直接报错，因为len()需要参数。
总结：一张表搞定选择困难
掌握了sort()和sorted()的区别与用法，你在处理 Python 排序问题时会更加得心应手。下次遇到排序需求，先想清楚 “是否需要保留原数据”，再选择对应的函数，就能避免 90% 的错误啦！
如果这篇文章对你有帮助，欢迎点赞、在看，也可以分享给身边正在学 Python 的朋友～ 有其他 Python 疑问，也可以在评论区留言，我们一起讨论！
这款收获无数好评的终生学习小程序：码途钥匙
2025 全方位 Python 工程师与 AI 算法专业班，课程规划细致又全面！从 Python 基础筑牢根基，到全栈开发、高级框架的深度钻研，再到 AI 算法与数据分析的前沿探秘，每个阶段都干货满满。无论是想入门 Python，还是进阶从事 AI 相关工作，在这里都能找到适配的内容。而且还有配套的课程资源、公开课以及海量题库，助力大家在 IT 学习之路上稳步迈进～
