Python按元素频次排序的常见陷阱与高效解法

问题背景

在Python中，我们经常需要按照元素在列表中的出现频次进行排序。比如给定一个单词列表，希望出现次数多的排在前面。一种直观的写法是：

words = ['a', 'b', 'a', 'c', 'b', 'a']
words.sort(key=lambda w: -words.count(w))
print(words)

期望输出是 ['a', 'a', 'a', 'b', 'b', 'c']，但有些开发者反馈输出与排序前一致，没有生效。下面分析可能的原因和正确做法。

为什么 sort() 通常能正常工作

list.sort() 是原地排序方法，会直接修改原列表。其 key 参数接收一个函数，对每个元素计算一次键值，然后按键值排序。上面的代码中，-words.count(w) 会让出现次数多的元素获得更小的键值（因为取负），从而实现降序排列。

在实际测试中，这段代码在 Python 3.x 各版本中都能正确工作。如果输出确实没有变化，需要排查以下常见陷阱。

常见陷阱排查

1. 混淆 sort() 和 sorted()

这是最常见的错误。sorted() 返回新列表，不修改原列表：

# 错误：结果没有赋值给任何变量，原列表不变
sorted(words, key=lambda w: -words.count(w))
print(words)  # 原列表未变

# 正确：需要接收返回值
words = sorted(words, key=lambda w: -words.count(w))
print(words)  # 正确排序

2. 打印时机不对

如果在 sort() 之前就已经打印了列表，看到的自然是排序前的结果。确保 print() 在 sort() 之后执行。

3. 环境或缓存问题

在 Jupyter Notebook 或某些 IDE 中，输出可能来自之前的运行结果。尝试重启内核或清除输出缓存。

更高效的做法：使用 Counter

上面的写法每次调用 words.count(w) 都需要遍历整个列表，时间复杂度为 O(n²)。对于大列表，使用 collections.Counter 更高效：

from collections import Counter

words = ['a', 'b', 'a', 'c', 'b', 'a']
counter = Counter(words)
words.sort(key=lambda w: -counter[w])
print(words)
# 输出: ['a', 'a', 'a', 'b', 'b', 'c']

Counter 预先统计所有元素频次，排序时直接查表，时间复杂度降为 O(n log n)。

保持相同频次元素的原始顺序

Python 的排序是稳定的，这意味着频次相同的元素会保持原始相对顺序。如果需要按频次降序、频次相同时按字母顺序排列，可以这样写：

words.sort(key=lambda w: (-counter[w], w))

总结

方法	时间复杂度	适用场景
list.sort() + count()	O(n²)	小列表、快速原型
list.sort() + Counter	O(n log n)	生产环境、大数据量
sorted() + Counter	O(n log n)	需要保留原列表时

核心要点：sort() 原地修改，sorted() 返回新列表。务必确认使用的是正确的方法，并检查打印时机。对于性能敏感的场景，优先使用 Counter 替代重复调用 count()。