經過數十年的艱苦努力，Python才受到編程社區的贊賞。自2010年以來，Python蓬勃發展，并最終超過C，C#，Java和JavaScript。如今python可謂是我們日常比較常見的編程語言之一了。因此在使用Python進行編程時遇到任何問題，只需在線搜索即可獲得答案。因為在那之前總會有人遇到這個問題，例如python中怎么排序數組，python為啥運行效率不高等問題。

　　python中數組排序的方法：

1、一維數組采用sort函數進行排序；

2、多維數組利用sort函數結合lambda匿名函數進行排序。

　　1、數組排序

a = [3,1,4,6]

a.sort()

print(a)

執行結果：

　　2、多維數組排

a = [['5.1.5.40580', 29], ['5.0.8.14000', 11], ['5.0.8.14999', 59], ['5.1.4.37882', 4]]

a.sort(key=lambda x:x[1],reverse=True)

print(a)

key=lambda x:x[1]：按照數組索引1列進行排序，無此參數默認以0列進行排序。

reverse=True：倒序，無此參數默認升序。

執行結果：

　　python為啥運行效率不高？

第一：python是動態語言

一個變量所指向對象的類型在運行時才確定，編譯器做不了任何預測，也就無從優化。舉一個簡單的例子：　r = a + b?！和b相加，但a和b的類型在運行時才知道，對于加法操作，不同的類型有不同的處理，所以每次運行的時候都會去判斷a和b的類型，然后執行對應的操作。而在靜態語言如C++中，編譯的時候就確定了運行時的代碼。

另外一個例子是屬性查找，關于具體的查找順序在《python屬性查找》中有詳細介紹。簡而言之，訪問對象的某個屬性是一個非常復雜的過程，而且通過同一個變量訪問到的python對象還都可能不一樣。而在C語言中，訪問屬性用對象的地址加上屬性的偏移就可以了。

第二：python是解釋執行，但是不支持JIT（just in time compiler）。雖然大名鼎鼎的google曾經嘗試Unladen Swallow 這個項目，但最終也折了。

第三：python中一切都是對象，每個對象都需要維護引用計數，增加了額外的工作。

第四：python GIL，GIL是Python最為詬病的一點，因為GIL，python中的多線程并不能真正的并發。如果是在IO bound的業務場景，這個問題并不大，但是在CPU BOUND的場景，這就很致命了。所以筆者在工作中使用python多線程的情況并不多，一般都是使用多進程（pre fork），或者在加上協程。即使在單線程，GIL也會帶來很大的性能影響，因為python每執行100個opcode（默認，可以通過sys.setcheckinterval()設置）就會嘗試線程的切換，具體的源代碼在ceval.c::PyEval_EvalFrameEx。

第五：垃圾回收，這個可能是所有具有垃圾回收的編程語言的通病。python采用標記和分代的垃圾回收策略，每次垃圾回收的時候都會中斷正在執行的程序，造成所謂的頓卡。infoq上有一篇文章，提到禁用Python的GC機制后，Instagram性能提升了10%。感興趣的讀者可以去細讀。

以上就是關于python中怎么排序數組，以及python為啥運行效率不高的全部內容，想了解更多關于python的信息，請繼續關注中培偉業。