sort()原地排序不返回新列表，sorted()总返回新列表；两者均用timsort，性能差异主要在内存分配与数据复制。
sorted() 和 sort() 底层都用 Timsort，算法性能几乎一样；真正影响快慢的，是内存分配和是否需要复制数据。
sort() 不返回值，但会改原列表
调用 list.sort() 后，原列表直接重排，不产生新对象，返回 None。如果写成 new_list = my_list.sort()，new_list 就是 None，原列表虽已排序，但变量丢了引用。
- 常见错误：链式操作失败，比如
my_list.sort().reverse()报AttributeError - 适用场景：确定只用一次、后续不再需要原始顺序、且列表很大（如百万级元素）
- 注意：多线程/多协程中修改同一列表，需加锁，
sort()不是原子操作
sorted() 总是返回新 list，输入类型不限
sorted() 接收任意可迭代对象——tuple、set、str、生成器都行，但返回值固定是 list。这意味着哪怕你传入一个 tuple，也会被展开、排序、装进新 list 返回。
- 常见错误：对大元组或文件迭代器用
sorted()，会一次性读入内存，可能 OOM - 输入是生成器时，
sorted()必须先转成 list 才能排序，无法流式处理 - 想保持输入类型？得手动转换：
tuple(sorted(my_tuple))或set(sorted(my_set))（但 set 本身无序，转回去没意义）
key 函数调用开销在两者中完全一致
无论用 sort() 还是 sorted()，只要用了 key=...，每个元素都会调用一次该函数。性能瓶颈不在排序算法，而在 key 的计算成本。
- 避免在
key里做 I/O、网络请求、正则匹配等重操作 - 字符串忽略大小写排序，用
key=str.lower比key=lambda x: x.lower()略快（前者是内置方法） - 要按中文拼音排序，别每次调
lazy_pinyin(x)，先预计算好键值列表再排序，或用functools.cache缓存结果 - 多字段排序优先用
operator.itemgetter(0, 2)，比lambda x: (x[0], x[2])更快更安全
reverse=True 并不比两次排序快
reverse=True 只是翻转比较逻辑，不是先升序再反转。它和默认升序的复杂度一致，都是 O(n log n)。但要注意：它不能替代多条件升降混排。
- 要实现 “先按 age 升序，再按 score 降序”，不能写
key=lambda x: (x['age'], -x['score'])（仅适用于数字） - 更通用做法：先按次要字段降序
sorted(data, key=lambda x: x['score'], reverse=True)，再按主要字段升序稳定排序 —— 因为 Timsort 是稳定排序 - 或者直接用元组：
sorted(data, key=lambda x: (x['age'], -x['score']))，前提是 score 全为数字且不为 None
最常被忽略的一点：如果你在循环里反复对同一份数据调用 sorted()，而其实只需要一次排序结果，那就纯属浪费 CPU 和内存；反过来，如果误用 sort() 导致上游数据被意外修改，调试时可能根本想不到是排序惹的祸。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
