itemgetter 能显著提速排序，比 lambda 快10%–30%，且代码更简洁；它适用于字典、元组、列表，支持多字段排序，但不支持缺失键容错、嵌套路径或混合升降序，大规模数据需结合其他优化手段。
itemgetter 能直接提速排序，尤其在处理字典列表或元组列表时，比 lambda 快 10%–30%，且代码更干净。这不是“可选优化”，而是应默认采用的写法。
用 itemgetter 替代 lambda x: x['key'] 是最直接的提速方式
当你对字典列表按某个字段排序时，lambda x: x['age'] 看似简洁，但每次比较都要走 Python 层函数调用、闭包变量查找、字典 __getitem__ 查键三步；而 itemgetter('age') 是 C 实现的 callable，直接调用底层 PyObject_GetItem，跳过解释器开销。
- 写法上只需改一行：
key=lambda x: x['age']→key=itemgetter('age') - 必须提前导入：
from operator import itemgetter - 对元组/列表同样有效：
itemgetter(1)取第二个元素，itemgetter(0, 2)返回二元组 - 原地排序也适用：
users.sort(key=itemgetter('age'))，省内存
itemgetter 多字段排序天然支持稳定嵌套逻辑
多级排序（如先按城市、再按年龄）不需要嵌套 sorted 或自定义函数，itemgetter 传多个键即可，语义清晰且性能不打折：
-
sorted(users, key=itemgetter('city', 'age'))等价于“先升序排city，同city再升序排age” - 它不是“先排一次 city，再在结果里排 age”，而是单次遍历生成复合键，和
lambda x: (x['city'], x['age'])行为一致，但更快 - 若需混合升降序（如城市升序、年龄降序），仍得用
lambda或预处理字段，itemgetter本身不支持 per-fieldreverse
缺失键会报 KeyError，容错需手动处理
itemgetter('age') 遇到没有 'age' 键的字典会立刻抛出 KeyError，不像 lambda x: x.get('age', 0) 那样静默兜底。这既是缺点也是提示——它强迫你正视数据质量。
- 若字段确实可能缺失，不要强行用
itemgetter+try/except包裹，那反而更慢；改用lambda x: x.get('age', 0)更实际 - 想兼顾性能与容错？可预清洗：用
filter(lambda x: 'age' in x, users)先剔除脏数据，再上itemgetter - 对齐字段名不统一的情况（如有的是
'age'，有的是'user_age'），itemgetter无能为力，必须先标准化键名
超大规模数据（>100 万条）要警惕“过度优化”
当数据量上千万，itemgetter 带来的 20% 左右提速已不够看。此时瓶颈常在内存带宽或算法复杂度，而非 key 函数本身。
- 确认是否真需要全量排序：用
heapq.nsmallest(100, users, key=itemgetter('score'))拿 Top-K 比sorted(...)快几个数量级 - 考虑换工具：Pandas 的
df.sort_values(['city', 'age'])自动向量化，在列存结构下远超纯 Python -
itemgetter不支持嵌套路径（如x['profile']['age']），强行拼接itemgetter('profile', 'age')会返回({'profile': {...}}, 'age')，不是你想要的值——这种场景老实用lambda或operator.attrgetter配合对象
itemgetter 当成“语法糖”，只在排序里用；其实它返回的是可复用 callable，比如 get_name_age = itemgetter('name', 'age')，之后既能用于排序，也能用于 map 提取字段、用于 groupby 分组键、甚至作为 dict 构造参数——它的价值在复用性，不在单次排序那几十微秒。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！
