Python: 雙重條件排序教學 `(-len(x), x)` ; sorted(items, key=lambda x: (-len(x), x))

這個寫法常出現在 `sorted()` 或 `.sort()` 的 `key=` 參數中：

sorted(items, key=lambda x: (-len(x), x))

sorted(items, key=lambda x: (-len(x), x))

它的目的很簡單：

1. 先讓較長的字串排在前面。

2. 如果字串長度相同，再用字母順序做穩定排序。

這是一種「複合排序鍵」(composite sort key)。

—

## 1. 為什麼不是直接用 `len(x)`？

因為 `sorted()` 預設是由小到大排序。

如果你寫：

sorted(items, key=len)

sorted(items, key=len)

結果會是：

– 短的先排

– 長的後排

但很多情境下，我們想要：

– 完整 Class Name 先出現

– 再來才是 bigram

– 最後才是短 token

所以會把長度取負號：

-len(x)

-len(x)

例如：

– `len(“check”) = 5` -> `-5`

– `len(“pcie_check”) = 10` -> `-10`

– `len(“gsyspciecheckprocessstep”) = 24` -> `-24`

排序時因為 `-24 < -10 < -5`，所以就會變成：

– 最長的先排

– 最短的後排

—

## 2. 後面的 `x` 是做什麼？

這一段：

(-len(x), x)

(-len(x), x)

不是一個值，而是一個 tuple。

Python 比 tuple 的規則是：

1. 先比第一個元素

2. 如果第一個元素相同，再比第二個元素

所以：

key=lambda x: (-len(x), x)

key=lambda x: (-len(x), x)

等於：

1. 先按長度由長到短排序

2. 長度相同時，再按字串本身的字母順序排序

這樣的好處是：

– 可讀性好

– 順序穩定

– 每次輸出 deterministic

—

## 3. 直接看範例

items = [
    "check",
    "pcie",
    "gsys",
    "pcie_check",
    "gsys_pcie",
    "GsysPcieCheckProcessStep",
]

result = sorted(items, key=lambda x: (-len(x), x))
print(result)

items = [
    "check",
    "pcie",
    "gsys",
    "pcie_check",
    "gsys_pcie",
    "GsysPcieCheckProcessStep",
]

result = sorted(items, key=lambda x: (-len(x), x))
print(result)

輸出：

解釋：

– `GsysPcieCheckProcessStep` 最長，所以排第一

– `gsys_pcie` 和 `pcie_check` 會先排在較短字串前面，因為它們都比 `check`、`gsys`、`pcie` 長

– `gsys` 和 `pcie` 長度相同，這時才再按字母順序排，所以會是 `gsys` -> `pcie`

– `check` 會排在 `gsys`、`pcie` 前面，是因為它長度比較長，不是因為字母順序

—

## 4. 這和 `reverse=True` 有什麼不同？

很多人會寫：

sorted(items, key=len, reverse=True)

sorted(items, key=len, reverse=True)

這只能做到：

– 長的排前面

但做不到：

– 長度相同時再穩定按字母排序

例如同樣長度的元素，順序可能只是沿用原本輸入順序，不一定是你想要的人類可讀順序。

所以：

sorted(items, key=lambda x: (-len(x), x))

sorted(items, key=lambda x: (-len(x), x))

通常比：

sorted(items, key=len, reverse=True)

sorted(items, key=len, reverse=True)

更適合做「穩定輸出」。

—

## 5. 什麼情況適合用？

很適合這種資料：

– 完整 class name

– bigram

– token

– 需要 deterministic 輸出的檢查 JSON

例如：

– `class_name_tokenized_lower`

– `class_name_bigram`

– `intersection_tokens`

– `intersection_bigrams`

這些欄位如果希望：

– 完整名稱先看見

– 較長片段優先

– 產出順序固定

那麼 `(-len(x), x)` 很適合。

—

## 6. 什麼情況不適合？

不適合拿去排「自然語料順序本身有意義」的欄位。

例如：

– `docx_body_tokens_lower`

– `docx_body_tokens_lower_clean`

– `body`

因為這些欄位保留的是原始語料的先後順序。

如果你硬排序，雖然 diff 可能更穩定，但語料原貌就被破壞了。

所以一個實務原則是：

1. 結構化 token / bigram 欄位：可以排序

2. 自然語料欄位：不要排序

—

## 7. 小結

`(-len(x), x)` 的意思是：

1. 先按字串長度由長到短排

2. 長度相同時再按字母順序排

它特別適合需要「人類可讀 + 穩定輸出」的結構化字串清單。

最常見寫法：

sorted(items, key=lambda x: (-len(x), x))

sorted(items, key=lambda x: (-len(x), x))

如果要原地排序：

items.sort(key=lambda x: (-len(x), x))

items.sort(key=lambda x: (-len(x), x))

## 8. 一行記法

可以把它記成：

> 長的先，若一樣長，再照字母排。

推薦hahow線上學習python: https://igrape.net/30afN