Existe uma maneira pitônica de verificar se uma lista já está classificada ASCouDESC

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

algo assim isttimestamps.isSorted()retorna Trueou False.

Quero inserir uma lista de carimbos de data e hora para algumas mensagens e verificar se as transações apareceram na ordem correta.

Na verdade, não estamos dando a resposta que anijhaw está procurando. Aqui está o liner:

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

Para Python 3:

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

Eu usaria apenas

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

a menos que seja uma lista muito grande; nesse caso, convém criar uma função personalizada.

se você quiser classificá-lo se não estiver classificado, esqueça a verificação e classifique-a.

lst.sort()

e não pense muito sobre isso.

se você deseja uma função personalizada, pode fazer algo como

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

Isso será O (n) se a lista já estiver classificada (e O (n) em um forloop!), Portanto, a menos que você espere que ela não seja classificada (e bastante aleatória) na maioria das vezes, novamente, basta classificar a lista.

Este formulário do iterador é 10-15% mais rápido que o uso da indexação inteira:

# 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:]))

Uma maneira bonita de implementar isso é usar a imapfunção de 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))

Essa implementação é rápida e funciona em quaisquer iteráveis.

Fiz um benchmark e sorted(lst, reverse=True) == lstfoi o mais rápido para listas longas e all(l[i] >= l[i+1] for i in xrange(len(l)-1))o mais rápido para listas curtas . Esses benchmarks foram executados em um MacBook Pro 2010 13 "(Core2 Duo 2.66GHz, 4GB 1067MHz DDR3 RAM, Mac OS X 10.6.5).

ATUALIZAÇÃO: Revisei o script para que você possa executá-lo diretamente em seu próprio sistema. A versão anterior tinha bugs. Além disso, adicionei entradas classificadas e não classificadas.

Portanto, na maioria dos casos, há um vencedor claro.

ATUALIZAÇÃO: as respostas de aaronsterling (# 6 e # 7) são realmente as mais rápidas em todos os casos. O número 7 é o mais rápido porque não possui uma camada de indireção para procurar a chave.

#!/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

Eu faria isso (roubando muitas respostas aqui [Aaron Sterling, Wai Yip Tung, meio que de Paul McGuire] e principalmente 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))

Uma coisa boa: você não precisa entender o segundo iterável da série (ao contrário de uma fatia da lista).

Eu uso esse one-liner baseado em numpy.diff ():

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

Eu realmente não cronometrei isso contra nenhum outro método, mas presumo que seja mais rápido que qualquer método Python puro, especialmente para n grandes, pois o loop em numpy.diff (provavelmente) é executado diretamente em C (subtrações n-1 seguidas por n -1 comparações).

No entanto, você precisa ter cuidado se x for um int não assinado, o que pode causar um estouro silencioso de números inteiros em numpy.diff (), resultando em um falso positivo. Aqui está uma versão modificada:

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()

Isso é semelhante à resposta principal, mas eu gosto mais porque evita a indexação explícita. Supondo que sua lista tenha o nome lst, você pode gerar
(item, next_item)tuplas da sua lista com zip:

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

No Python 3, zipjá retorna um gerador, no Python 2 você pode usar itertools.izippara melhorar a eficiência da memória.

Pequena demonstração:

>>> 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

O último falha quando a tupla (3, 2)é avaliada.

Bônus: verificando geradores finitos (!) Que não podem ser indexados:

>>> 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

Certifique-se de usar itertools.izipaqui se você estiver usando o Python 2, caso contrário você perderia o propósito de não precisar criar listas dos geradores.

SapphireSun está certo. Você pode apenas usar lst.sort(). A implementação de classificação do Python (TimSort) verifica se a lista já está classificada. Nesse caso, sort () será concluído em tempo linear. Soa como uma maneira Pythonic de garantir que uma lista seja classificada;)

Embora eu ache que não há garantia de que o sortedbuilt-in chame sua função cmp comi+1, i , ele parece fazê-lo no CPython.

Então você pode fazer algo como:

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])

Ou assim (sem as declarações if -> EAFP deram errado? ;-)):

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

Não é muito pitonico, mas precisamos de pelo menos uma reduce()resposta, certo?

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')

A variável acumulador simplesmente armazena esse último valor verificado e, se algum valor for menor que o valor anterior, o acumulador é definido como infinito (e, portanto, ainda será infinito no final, pois o 'valor anterior' sempre será maior que o atual).

Conforme observado por @aaronsterling, a solução a seguir é a mais curta e parece mais rápida quando a matriz é classificada e não muito pequena: def is_sorted (lst): return (classificado (lst) == lst)

Se na maioria das vezes a matriz não for classificada, seria desejável usar uma solução que não varra toda a matriz e retorne False assim que um prefixo não classificado for descoberto. A seguir, é a solução mais rápida que pude encontrar, não é particularmente elegante:

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

Usando o benchmark de Nathan Farrington, isso obtém um tempo de execução melhor do que o uso do ordenado (lst) em todos os casos, exceto quando executado na grande lista classificada.

Aqui estão os resultados de benchmark no meu computador.

ordenada (lst) == lst solução

• L1: 1.23838591576
• L2: 4.19063091278
• L3: 1.17996287346
• L4: 4.68399500847

Segunda solução:

• L1: 0.81095790863
• L2: 0.802397012711
• L3: 1.06135106087
• L4: 8.82761001587

Se você deseja o caminho mais rápido para matrizes numpy, use numba , que se você usar conda já deve estar instalado

O código será rápido porque será compilado pela 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

e depois:

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

Apenas para adicionar outra maneira (mesmo que exija um módulo adicional) 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

Para verificar a ordem DESC:

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

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

Também existe um strictparâmetro se você precisar verificar estritamente (se elementos sucessivos não forem iguais) seqüências monotônicas.

Não é um problema no seu caso, mas se suas seqüências contiverem nanvalores, alguns métodos falharão, por exemplo, com a classificação:

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

Observe que o iteration_utilities.all_monotonedesempenho é mais rápido em comparação com as outras soluções mencionadas aqui, especialmente para entradas não classificadas (consulte a referência ).

Preguiçoso

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

Maneira mais simples:

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]

O valor de redução derivado é uma tupla de três partes de ( sortedSoFarFlag , firstTimeFlag , lastElementValue ). É inicialmente começa com ( True, True, None), que é também utilizado como o resultado de uma lista vazia (considerado como classificados porque não existem elementos de fora-de-fim). À medida que processa cada elemento, ele calcula novos valores para a tupla (usando valores anteriores da tupla com o próximo 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

O resultado final da redução é uma tupla de:

[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

O primeiro valor é aquele em que estamos interessados, então usamos isso [0]para obter o resultado reduzido.

Como não vejo essa opção acima, vou adicioná-la a todas as respostas. Vamos denotar a lista até l, então:

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:])

Uma solução usando expressões de atribuição (adicionadas no Python 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))

Dá:

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

Essa é, de fato, a maneira mais curta de fazer isso usando a recursão:

se estiver classificado, imprimirá True; caso contrário, imprimirá 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)

Que tal este ? Simples e direto.

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

Definitivamente funciona em Python 3 e acima para números inteiros ou seqüências de caracteres:

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.')

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

Outra maneira de descobrir se a lista fornecida está classificada ou não

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