Ordenar listas em Python sem modificar a original

Ordenar listas em Python sem modificar a original Ordenar listas em Python sem modificar a original

Ordenar listaslink image 2

Aviso: Este post foi traduzido para o português usando um modelo de tradução automática. Por favor, me avise se encontrar algum erro.

Suponhamos que temos uma lista desordenada

	
<> Input Python
list = [1, 4, 7, 2, 5, 8, 3, 6, 9]
print(list)
Copied
	
>_ Output
[1, 4, 7, 2, 5, 8, 3, 6, 9]

E que queremos ordená-la, então usamos o método sort()

	
<> Input Python
list.sort()
print(list)
Copied
	
>_ Output
[1, 2, 3, 4, 5, 6, 7, 8, 9]

O problema do método sort() é que ele modifica a lista original, se voltarmos a imprimir a lista vemos que ela está ordenada, e não temos a original.

	
<> Input Python
print(list)
Copied
	
>_ Output
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Voltamos a criar a lista original

	
<> Input Python
list = [1, 4, 7, 2, 5, 8, 3, 6, 9]
print(list)
Copied
	
>_ Output
[1, 4, 7, 2, 5, 8, 3, 6, 9]

Para ordenar uma lista sem modificá-la, podemos usar a função sorted()

	
<> Input Python
print(sorted(list))
Copied
	
>_ Output
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Se agora voltarmos a imprimir a lista original, veremos que não mudou.

	
<> Input Python
print(list)
Copied
	
>_ Output
[1, 4, 7, 2, 5, 8, 3, 6, 9]

O mesmo ocorre se a quisermos ordenar em ordem inversa, podemos usar o método .reverse()

	
<> Input Python
list.reverse()
print(list)
Copied
	
>_ Output
[9, 6, 3, 8, 5, 2, 7, 4, 1]

Se imprimirmos a lista, vemos que está ordenada em ordem inversa e não como a tínhamos no início.

	
<> Input Python
print(list)
Copied
	
>_ Output
[9, 6, 3, 8, 5, 2, 7, 4, 1]

Voltamos a criar a lista original

	
<> Input Python
list = [1, 4, 7, 2, 5, 8, 3, 6, 9]
print(list)
Copied
	
>_ Output
[1, 4, 7, 2, 5, 8, 3, 6, 9]

Se queremos ordenar uma lista sem modificá-la, usamos novamente a função sorted(), mas com o argumento reverse=True

	
<> Input Python
print(sorted(list, reverse=True))
Copied
	
>_ Output
[9, 8, 7, 6, 5, 4, 3, 2, 1]

Se agora imprimirmos a lista original, vemos que ela não mudou.

	
<> Input Python
print(list)
Copied
	
>_ Output
[1, 4, 7, 2, 5, 8, 3, 6, 9]

Continuar lendo

Últimos posts -->

Você viu esses projetos?

Gymnasia

Gymnasia Gymnasia
React Native
Expo
TypeScript
FastAPI
Next.js
OpenAI
Anthropic

Aplicativo móvel de treino pessoal com assistente de IA, biblioteca de exercícios, acompanhamento de rotinas, dieta e medidas corporais

Horeca chatbot

Horeca chatbot Horeca chatbot
Python
LangChain
PostgreSQL
PGVector
React
Kubernetes
Docker
GitHub Actions

Chatbot conversacional para cozinheiros de hotéis e restaurantes. Um cozinheiro, gerente de cozinha ou serviço de quarto de um hotel ou restaurante pode falar com o chatbot para obter informações sobre receitas e menus. Mas também implementa agentes, com os quais pode editar ou criar novas receitas ou menus

Naviground

Naviground Naviground
Ver todos os projetos -->
>_ Disponível para projetos

Tem um projeto com IA?

Vamos conversar.

maximofn@gmail.com

Especialista em Machine Learning e Inteligência Artificial. Desenvolvo soluções com IA generativa, agentes inteligentes e modelos personalizados.

Quer assistir alguma palestra?

Últimas palestras -->

Quer melhorar com essas dicas?

Últimos tips -->

Use isso localmente

Os espaços do Hugging Face nos permitem executar modelos com demos muito simples, mas e se a demo quebrar? Ou se o usuário a deletar? Por isso, criei contêineres docker com alguns espaços interessantes, para poder usá-los localmente, aconteça o que acontecer. Na verdade, se você clicar em qualquer botão de visualização de projeto, ele pode levá-lo a um espaço que não funciona.

Flow edit

Flow edit Flow edit

Edite imagens com este modelo de Flow. Baseado em SD3 ou FLUX, você pode editar qualquer imagem e gerar novas

FLUX.1-RealismLora

FLUX.1-RealismLora FLUX.1-RealismLora
Ver todos os contêineres -->
>_ Disponível para projetos

Tem um projeto com IA?

Vamos conversar.

maximofn@gmail.com

Especialista em Machine Learning e Inteligência Artificial. Desenvolvo soluções com IA generativa, agentes inteligentes e modelos personalizados.

Você quer treinar seu modelo com esses datasets?

short-jokes-dataset

HuggingFace

Dataset com piadas em inglês

Uso: Fine-tuning de modelos de geração de texto humorístico

231K linhas 2 colunas 45 MB
Ver no HuggingFace →

opus100

HuggingFace

Dataset com traduções de inglês para espanhol

Uso: Treinamento de modelos de tradução inglês-espanhol

1M linhas 2 colunas 210 MB
Ver no HuggingFace →

netflix_titles

HuggingFace

Dataset com filmes e séries da Netflix

Uso: Análise de catálogo Netflix e sistemas de recomendação

8.8K linhas 12 colunas 3.5 MB
Ver no HuggingFace →
Ver mais datasets -->