二维数组排序的三种核心方法：从基础到进阶

在编程实践中，二维数组的排序是处理矩阵数据的基础操作。无论是数据分析、算法竞赛还是业务系统的数据规整，高效排序二维数组都能显著提升代码的可读性与执行效率。本文将介绍Python中实现二维数组排序的三种实用方法，帮助开发者快速掌握不同场景下的排序技巧。

方法一：按行排序

按行排序是最基础的需求，即对二维数组中的每一行整体进行排序。在Python中，sorted()函数可通过key参数指定排序逻辑，直接按行的元素顺序比较。例如：

# 定义一个二维数组
arr = [[3, 2, 1], [6, 5, 4], [9, 8, 7]]
# 按行整体升序排序
sorted_by_row = sorted(arr, key=lambda x: x)
print("按行排序结果：", sorted_by_row)

上述代码中，key=lambda x: x表示直接以每行x作为排序的“元素”，sorted()会自动按行内元素的顺序比较（先比较行的第一个元素，若相同则比较第二个，以此类推）。若需按行内降序排序，可将key改为lambda x: x[::-1]（反转每行元素）。

适用场景：需要保持行结构不变，仅对行内元素排序的情况，如矩阵的逐行整理。

方法二：按列排序

按列排序需针对特定列的元素进行排序，常见于数据透视、统计分析等场景。Python中可通过key参数指定列索引，或先转置数组再排序。例如：

# 按第2列（索引1）升序排序
arr = [[3, 2, 1], [1, 5, 4], [2, 8, 7]]
sorted_by_col = sorted(arr, key=lambda x: x[1])
print("按第2列排序结果：", sorted_by_col)

若需按多列排序，可扩展key为元组（如(x[0], x[1])）。对于复杂场景，也可先转置数组处理列：

# 转置数组（将列转为行）
transposed = list(zip(*arr))  # 转置后为元组列表
# 按转置后第一行（原第一列）排序
sorted_transposed = sorted(transposed, key=lambda x: x[0])
# 转置回来得到原数组的列排序结果
sorted_by_col_transposed = [list(row) for row in zip(*sorted_transposed)]
print("转置排序结果：", sorted_by_col_transposed)

适用场景：需要按列元素排序，如Excel表格的列排序、统计各列数据时的预处理。

方法三：自定义多条件排序

在实际需求中，排序常需多维度条件，例如“先按第一列升序，再按第二列降序”。Python中可通过key函数返回元组实现，或使用cmp_to_key处理复杂比较逻辑。

# 多条件排序：按第一列升序，第二列降序
arr = [[3, 2, 1], [3, 5, 4], [2, 1, 7]]
# 用元组key实现：(x[0], -x[1])表示先按x[0]升序，x[1]降序
sorted_custom = sorted(arr, key=lambda x: (x[0], -x[1]))
print("自定义多条件排序结果：", sorted_custom)

若需更复杂的比较规则（如交叉比较、动态权重），可使用functools.cmp_to_key将比较函数转为key函数：

from functools import cmp_to_key

def compare(a, b):
    if a[0] != b[0]:
        return a[0] - b[0]  # 第一列升序
    else:
        return b[1] - a[1]  # 第二列降序（b[1]-a[1]实现降序）

sorted_custom_cmp = sorted(arr, key=cmp_to_key(compare))
print("自定义比较器排序结果：", sorted_custom_cmp)

两种方式均能实现多条件排序，key函数更简洁，cmp_to_key适合复杂逻辑。

适用场景：算法竞赛、复杂数据筛选等需要多维度排序规则的场景。

总结

二维数组排序的三种方法各有侧重：按行排序适合保持行结构，按列排序适用于列数据整理，自定义排序则满足复杂多条件需求。在实际编码中，需根据具体需求选择方法，兼顾效率与可读性。不同语言实现思路类似，如Java中使用Arrays.sort()配合Comparator，C++中使用sort配合自定义比较函数，核心逻辑可相互迁移。掌握这些技巧，能在数据处理与算法开发中灵活应对各类排序场景。