Czy istnieje pythonowy sposób sprawdzenia, czy lista jest już posortowana w ASClubDESC

listtimestamps = [1, 2, 3, 5, 6, 7]

coś takiego isttimestamps.isSorted()wraca Truelub False.

Chcę wprowadzić listę znaczników czasu dla niektórych wiadomości i sprawdzić, czy transakcje pojawiły się we właściwej kolejności.

W rzeczywistości nie udzielamy odpowiedzi, której szuka anijhaw. Oto jedna wkładka:

all(l[i] <= l[i+1] for i in xrange(len(l)-1))

W przypadku Pythona 3:

all(l[i] <= l[i+1] for i in range(len(l)-1))

Po prostu użyłbym

if sorted(lst) == lst:
    # code here

chyba że jest to bardzo duża lista, w takim przypadku możesz chcieć utworzyć funkcję niestandardową.

jeśli zamierzasz go po prostu posortować, jeśli nie jest posortowany, zapomnij o sprawdzeniu i posortuj go.

lst.sort()

i nie myśl o tym za dużo.

jeśli chcesz mieć funkcję niestandardową, możesz zrobić coś takiego

def is_sorted(lst, key=lambda x: x):
    for i, el in enumerate(lst[1:]):
        if key(el) < key(lst[i]): # i is the index of the previous element
            return False
    return True

Będzie to O (n), jeśli lista jest już posortowana (i O (n) w forpętli!), Więc chyba że spodziewasz się, że nie będzie posortowana (i dość losowa) przez większość czasu, zrobiłbym to, ponownie, po prostu posortuj listę.

Ta forma iteratora jest o 10–15% szybsza niż przy indeksowaniu liczb całkowitych:

# python2 only
if str is bytes:
    from itertools import izip as zip

def is_sorted(l):
    return all(a <= b for a, b in zip(l, l[1:]))

Pięknym sposobem na zaimplementowanie tego jest użycie imapfunkcji z itertools:

from itertools import imap, tee
import operator

def is_sorted(iterable, compare=operator.le):
  a, b = tee(iterable)
  next(b, None)
  return all(imap(compare, a, b))

Ta implementacja jest szybka i działa na dowolnych iterowalnych.

Przeprowadziłem test porównawczy i sorted(lst, reverse=True) == lstbyłem najszybszy w przypadku długich list i all(l[i] >= l[i+1] for i in xrange(len(l)-1))najszybszy w przypadku krótkich list . Te testy porównawcze zostały uruchomione na 13-calowym MacBooku Pro 2010 (Core2 Duo 2,66 GHz, 4 GB 1067 MHz DDR3 RAM, Mac OS X 10.6.5).

AKTUALIZACJA: Poprawiłem skrypt, abyś mógł uruchomić go bezpośrednio w swoim własnym systemie. Poprzednia wersja zawierała błędy. Dodałem również posortowane i nieposortowane dane wejściowe.

Więc w większości przypadków jest wyraźny zwycięzca.

AKTUALIZACJA: odpowiedzi aaronsterlinga (# 6 i # 7) są w rzeczywistości najszybsze we wszystkich przypadkach. # 7 jest najszybszy, ponieważ nie ma warstwy pośredniej do wyszukiwania klucza.

#!/usr/bin/env python

import itertools
import time

def benchmark(f, *args):
    t1 = time.time()
    for i in xrange(1000000):
        f(*args)
    t2 = time.time()
    return t2-t1

L1 = range(4, 0, -1)
L2 = range(100, 0, -1)
L3 = range(0, 4)
L4 = range(0, 100)

# 1.
def isNonIncreasing(l, key=lambda x,y: x >= y): 
    return all(key(l[i],l[i+1]) for i in xrange(len(l)-1))
print benchmark(isNonIncreasing, L1) # 2.47253704071
print benchmark(isNonIncreasing, L2) # 34.5398209095
print benchmark(isNonIncreasing, L3) # 2.1916718483
print benchmark(isNonIncreasing, L4) # 2.19576501846

# 2.
def isNonIncreasing(l):
    return all(l[i] >= l[i+1] for i in xrange(len(l)-1))
print benchmark(isNonIncreasing, L1) # 1.86919999123
print benchmark(isNonIncreasing, L2) # 21.8603689671
print benchmark(isNonIncreasing, L3) # 1.95684289932
print benchmark(isNonIncreasing, L4) # 1.95272517204

# 3.
def isNonIncreasing(l, key=lambda x,y: x >= y): 
    return all(key(a,b) for (a,b) in itertools.izip(l[:-1],l[1:]))
print benchmark(isNonIncreasing, L1) # 2.65468883514
print benchmark(isNonIncreasing, L2) # 29.7504849434
print benchmark(isNonIncreasing, L3) # 2.78062295914
print benchmark(isNonIncreasing, L4) # 3.73436689377

# 4.
def isNonIncreasing(l):
    return all(a >= b for (a,b) in itertools.izip(l[:-1],l[1:]))
print benchmark(isNonIncreasing, L1) # 2.06947803497
print benchmark(isNonIncreasing, L2) # 15.6351969242
print benchmark(isNonIncreasing, L3) # 2.45671010017
print benchmark(isNonIncreasing, L4) # 3.48461818695

# 5.
def isNonIncreasing(l):
    return sorted(l, reverse=True) == l
print benchmark(isNonIncreasing, L1) # 2.01579380035
print benchmark(isNonIncreasing, L2) # 5.44593787193
print benchmark(isNonIncreasing, L3) # 2.01813793182
print benchmark(isNonIncreasing, L4) # 4.97615599632

# 6.
def isNonIncreasing(l, key=lambda x, y: x >= y): 
    for i, el in enumerate(l[1:]):
        if key(el, l[i-1]):
            return False
    return True
print benchmark(isNonIncreasing, L1) # 1.06842684746
print benchmark(isNonIncreasing, L2) # 1.67291283607
print benchmark(isNonIncreasing, L3) # 1.39491200447
print benchmark(isNonIncreasing, L4) # 1.80557894707

# 7.
def isNonIncreasing(l):
    for i, el in enumerate(l[1:]):
        if el >= l[i-1]:
            return False
    return True
print benchmark(isNonIncreasing, L1) # 0.883186101913
print benchmark(isNonIncreasing, L2) # 1.42852401733
print benchmark(isNonIncreasing, L3) # 1.09229516983
print benchmark(isNonIncreasing, L4) # 1.59502696991

Zrobiłbym to (kradnąc z wielu odpowiedzi tutaj [Aaron Sterling, Wai Yip Tung, trochę od Paula McGuire'a] i głównie Armin Ronacher ):

from itertools import tee, izip

def pairwise(iterable):
    a, b = tee(iterable)
    next(b, None)
    return izip(a, b)

def is_sorted(iterable, key=lambda a, b: a <= b):
    return all(key(a, b) for a, b in pairwise(iterable))

Jedna fajna rzecz: nie musisz zdawać sobie sprawy z drugiej iterowalnej dla serii (w przeciwieństwie do wycinka listy).

Używam tej jednej linijki opartej na numpy.diff ():

def issorted(x):
    """Check if x is sorted"""
    return (numpy.diff(x) >= 0).all() # is diff between all consecutive entries >= 0?

Tak naprawdę nie porównałem tego z żadną inną metodą, ale zakładam, że jest szybsza niż jakakolwiek czysta metoda Pythona, szczególnie dla dużego n, ponieważ pętla w numpy.diff (prawdopodobnie) działa bezpośrednio w C (n-1 odejmowania, po których następuje n -1 porównania).

Musisz jednak być ostrożny, jeśli x jest liczbą int bez znaku, co może powodować cichy niedopełnienie liczby całkowitej w numpy.diff (), powodując fałszywie dodatni wynik. Oto zmodyfikowana wersja:

def issorted(x):
    """Check if x is sorted"""
    try:
        if x.dtype.kind == 'u':
            # x is unsigned int array, risk of int underflow in np.diff
            x = numpy.int64(x)
    except AttributeError:
        pass # no dtype, not an array
    return (numpy.diff(x) >= 0).all()

Jest to podobne do pierwszej odpowiedzi, ale podoba mi się bardziej, ponieważ pozwala uniknąć jawnego indeksowania. Zakładając, że Twoja lista ma nazwę lst, możesz generować
(item, next_item)krotki z listy za pomocą zip:

all(x <= y for x,y in zip(lst, lst[1:]))

W Pythonie 3 zipjuż zwraca generator, w Pythonie 2 możesz użyć itertools.izipdla lepszej wydajności pamięci.

Małe demo:

>>> lst = [1, 2, 3, 4]
>>> zip(lst, lst[1:])
[(1, 2), (2, 3), (3, 4)]
>>> all(x <= y for x,y in zip(lst, lst[1:]))
True
>>> 
>>> lst = [1, 2, 3, 2]
>>> zip(lst, lst[1:])
[(1, 2), (2, 3), (3, 2)]
>>> all(x <= y for x,y in zip(lst, lst[1:]))
False

Ostatnia nie powiedzie się podczas oceny krotki (3, 2).

Bonus: sprawdzanie skończonych (!) Generatorów, których nie można indeksować:

>>> def gen1():
...     yield 1
...     yield 2
...     yield 3
...     yield 4
...     
>>> def gen2():
...     yield 1
...     yield 2
...     yield 4
...     yield 3
... 
>>> g1_1 = gen1()
>>> g1_2 = gen1()
>>> next(g1_2)
1
>>> all(x <= y for x,y in zip(g1_1, g1_2))
True
>>>
>>> g2_1 = gen2()
>>> g2_2 = gen2()
>>> next(g2_2)
1
>>> all(x <= y for x,y in zip(g2_1, g2_2))
False

Upewnij się, że używasz itertools.iziptutaj, jeśli używasz Pythona 2, w przeciwnym razie pokonałbyś cel, jakim jest brak konieczności tworzenia list z generatorów.

SapphireSun ma rację. Możesz po prostu użyć lst.sort(). Implementacja sortowania w Pythonie (TimSort) sprawdza, czy lista jest już posortowana. Jeśli tak, sort () zakończy się w czasie liniowym. Brzmi jak Pythonic, aby upewnić się, że lista jest posortowana;)

Chociaż nie wydaje mi się, aby istniała gwarancja, że sortedwbudowana funkcja wywoła swoją funkcję cmp za pomocą i+1, i, wydaje się, że robi to w przypadku CPythona.

Możesz więc zrobić coś takiego:

def my_cmp(x, y):
   cmpval = cmp(x, y)
   if cmpval < 0:
      raise ValueError
   return cmpval

def is_sorted(lst):
   try:
      sorted(lst, cmp=my_cmp)
      return True
   except ValueError:
      return False

print is_sorted([1,2,3,5,6,7])
print is_sorted([1,2,5,3,6,7])

Lub w ten sposób (bez instrukcji if -> EAFP poszło źle? ;-)):

def my_cmp(x, y):
   assert(x >= y)
   return -1

def is_sorted(lst):
   try:
      sorted(lst, cmp=my_cmp)
      return True
   except AssertionError:
      return False

Niezbyt Pythonic, ale potrzebujemy przynajmniej jednej reduce()odpowiedzi, prawda?

def is_sorted(iterable):
    prev_or_inf = lambda prev, i: i if prev <= i else float('inf')
    return reduce(prev_or_inf, iterable, float('-inf')) < float('inf')

Zmienna akumulator po prostu przechowuje tę ostatnio sprawdzaną wartość, a jeśli jakakolwiek wartość jest mniejsza niż poprzednia wartość, akumulator jest ustawiany na nieskończoność (a zatem na końcu nadal będzie nieskończoność, ponieważ „poprzednia wartość” będzie zawsze większa niż obecna).

Jak zauważył @aaronsterling, poniższe rozwiązanie jest najkrótsze i wydaje się najszybsze, gdy tablica jest posortowana i niezbyt mała: def is_sorted (lst): return (sort (lst) == lst)

Jeśli przez większość czasu tablica nie jest posortowana, pożądane byłoby użycie rozwiązania, które nie skanuje całej tablicy i zwraca wartość False, gdy tylko zostanie znaleziony nieposortowany prefiks. Oto najszybsze rozwiązanie, jakie udało mi się znaleźć, nie jest szczególnie eleganckie:

def is_sorted(lst):
    it = iter(lst)
    try:
        prev = it.next()
    except StopIteration:
        return True
    for x in it:
        if prev > x:
            return False
        prev = x
    return True

Korzystając z testu porównawczego Nathana Farringtona, zapewnia to lepszy czas działania niż użycie sortowanego (lst) we wszystkich przypadkach, z wyjątkiem uruchamiania na dużej posortowanej liście.

Oto wyniki testów wydajności na moim komputerze.

sortowane (lst) == lst rozwiązanie

• L1: 1,23838591576
• L2: 4,19063091278
• L3: 1.17996287346
• L4: 4,68399500847

Drugie rozwiązanie:

• L1: 0,81095790863
• L2: 0,802397012711
• L3: 1,06135106087
• L4: 8.82761001587

Jeśli chcesz najszybszego sposobu na tablice numpy, użyj numba , który, jeśli używasz conda, powinien być już zainstalowany

Kod będzie szybki, ponieważ zostanie skompilowany przez numba

import numba
@numba.jit
def issorted(vec, ascending=True):
    if len(vec) < 2:
        return True
    if ascending:
        for i in range(1, len(vec)):
            if vec[i-1] > vec[i]:
                return False
        return True
    else:
        for i in range(1, len(vec)):
            if vec[i-1] < vec[i]:
                return False
        return True

i wtedy:

>>> issorted(array([4,9,100]))
>>> True

Wystarczy dodać inny sposób (nawet jeśli wymaga to dodatkowego modułu) iteration_utilities.all_monotone:

>>> from iteration_utilities import all_monotone
>>> listtimestamps = [1, 2, 3, 5, 6, 7]
>>> all_monotone(listtimestamps)
True

>>> all_monotone([1,2,1])
False

Aby sprawdzić zamówienie DESC:

>>> all_monotone(listtimestamps, decreasing=True)
False

>>> all_monotone([3,2,1], decreasing=True)
True

Istnieje również strictparametr, jeśli trzeba sprawdzić ściśle (czy kolejne elementy nie powinny być równe) ciągów monotonicznych.

W twoim przypadku nie stanowi to problemu, ale jeśli twoje sekwencje zawierają nanwartości, niektóre metody zawiodą, na przykład posortowane:

def is_sorted_using_sorted(iterable):
    return sorted(iterable) == iterable

>>> is_sorted_using_sorted([3, float('nan'), 1])  # definetly False, right?
True

>>> all_monotone([3, float('nan'), 1])
False

Zauważ, że iteration_utilities.all_monotonedziała szybciej w porównaniu z innymi wymienionymi tutaj rozwiązaniami, szczególnie w przypadku niesortowanych danych wejściowych (patrz test porównawczy ).

Leniwy

from itertools import tee

def is_sorted(l):
    l1, l2 = tee(l)
    next(l2, None)
    return all(a <= b for a, b in zip(l1, l2))

Python 3.6.8

from more_itertools import pairwise

class AssertionHelper:
    @classmethod
    def is_ascending(cls, data: iter) -> bool:
        for a, b in pairwise(data):
            if a > b:
                return False
        return True

    @classmethod
    def is_descending(cls, data: iter) -> bool:
        for a, b in pairwise(data):
            if a < b:
                return False
        return True

    @classmethod
    def is_sorted(cls, data: iter) -> bool:
        return cls.is_ascending(data) or cls.is_descending(data)

>>> AssertionHelper.is_descending((1, 2, 3, 4))
False
>>> AssertionHelper.is_ascending((1, 2, 3, 4))
True
>>> AssertionHelper.is_sorted((1, 2, 3, 4))
True

Najprostszy sposób:

def isSorted(arr):
  i = 1
  while i < len(arr):
    if(result[i] < result[i - 1]):
      return False
    i += 1
  return True

from functools import reduce

# myiterable can be of any iterable type (including list)
isSorted = reduce(lambda r, e: (r[0] and (r[1] or r[2] <= e), False, e), myiterable, (True, True, None))[0]

Wyprowadzona wartość redukcji jest 3-częściową krotką ( sortSoFarFlag , firstTimeFlag , lastElementValue ). Początkowo zaczyna się ( True, True, None), który jest również stosowany jako wynik dla pustej listy (traktowane jako sortowane, bo nie ma out-of-order elementy). Gdy przetwarza każdy element, oblicza nowe wartości krotki (używając poprzednich wartości krotki z następnym elementem elementValue):

[0] (sortedSoFarFlag) evaluates true if: prev_0 is true and (prev_1 is true or prev_2 <= elementValue)
[1] (firstTimeFlag): False
[2] (lastElementValue): elementValue

Ostatecznym wynikiem redukcji jest krotka:

[0]: True/False depending on whether the entire list was in sorted order
[1]: True/False depending on whether the list was empty
[2]: the last element value

Pierwsza wartość to ta, która nas interesuje, więc używamy jej [0]do wyłapania jej z wyniku redukcji.

Ponieważ nie widzę tej opcji powyżej, dodam ją do wszystkich odpowiedzi. Oznaczmy więc listę następująco l:

import numpy as np

# Trasform the list to a numpy array
x = np.array(l)

# check if ascendent sorted:
all(x[:-1] <= x[1:])

# check if descendent sorted:
all(x[:-1] >= x[1:])

Rozwiązanie wykorzystujące wyrażenia przypisania (dodane w Pythonie 3.8):

def is_sorted(seq):
    seq_iter = iter(seq)
    cur = next(seq_iter, None)
    return all((prev := cur) <= (cur := nxt) for nxt in seq_iter)

z = list(range(10))
print(z)
print(is_sorted(z))

import random
random.shuffle(z)
print(z)
print(is_sorted(z))

z = []
print(z)
print(is_sorted(z))

Daje:

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
True
[1, 7, 5, 9, 4, 0, 8, 3, 2, 6]
False
[]
True

W rzeczywistości jest to najkrótszy sposób na zrobienie tego za pomocą rekurencji:

jeśli to Posortowane, wyświetli True, w przeciwnym razie wydrukuje False

 def is_Sorted(lst):
    if len(lst) == 1:
       return True
    return lst[0] <= lst[1] and is_Sorted(lst[1:])

 any_list = [1,2,3,4]
 print is_Sorted(any_list)

A co z tym? Proste i zrozumiałe.

def is_list_sorted(al):

    llength =len(al)


    for i in range (llength):
        if (al[i-1] > al[i]):
            print(al[i])
            print(al[i+1])
            print('Not sorted')
            return -1

    else :
        print('sorted')
        return  true

Zdecydowanie działa w Pythonie 3 i nowszych wersjach dla liczb całkowitych lub ciągów:

def tail(t):
    return t[:]

letters = ['a', 'b', 'c', 'd', 'e']
rest = tail(letters)
rest.sort()
if letters == rest:
    print ('Given list is SORTED.')
else:
    print ('List NOT Sorted.')

==================================================== ===================

Inny sposób sprawdzenia, czy dana lista jest posortowana, czy nie

trees1 = list ([1, 4, 5, 3, 2])
trees2 = list (trees1)
trees2.sort()
if trees1 == trees2:
    print ('trees1 is SORTED')
else:
    print ('Not sorted')