为何List.sort()指定key为nums.count时未生效？sorted()却可正常运行

我需要实现一个基于元素频率对列表排序的功能，编写了如下代码：

class Solution:
    def frequencySort(self, nums: List[int]) -> List[int]:
        #print(nums.count(1))
        nums.sort(key=nums.count)
        return nums

测试发现nums.count可正常统计元素频次，将该key传入sorted()函数能正常工作，但传入list.sort()后未达到预期排序效果：输入[1,1,2,2,2,3]，输出仍为原列表。想了解其中原因。

首先明确：单线程环境下，nums.sort(key=nums.count)和sorted(nums, key=nums.count)理论上会输出完全相同的结果，不会出现一个生效一个不生效的情况。你遇到的问题大概率是以下两种情况之一：

1. 测试操作或预期偏差 #

• 操作失误：比如调用nums.sort()后，你查看的不是修改后的原列表，而是之前保存的列表副本；或者测试时误将排序后的列表当成了原始输入。
• 预期不符：你可能想要按频率降序排序（出现次数多的元素在前），但nums.count作为key默认是升序排序（次数少的在前）。如果sorted()调用时加了reverse=True参数，会得到你预期的降序结果，而list.sort()没加该参数，输出的升序结果和预期不符，让你误以为没生效。

2. sorted()和list.sort()的核心差异（单线程下不影响结果） #

• sorted()会先创建原列表的独立副本，基于这个副本一次性计算所有元素的key值，再排序生成新列表。
• list.sort()是原地排序，直接在原列表上调整元素位置。不过nums.count(x)的结果只和元素出现次数有关，和顺序无关，所以排序过程中列表顺序的变化不会影响key的计算结果，单线程下两者的排序结果必然一致。

性能优化建议 #

你的代码存在性能瓶颈：nums.count(x)每次调用都要遍历整个列表（时间复杂度O(n)），排序需要O(n log n)次key计算，整体时间复杂度为O(n² log n)，大列表下效率极低。更优的写法是先用collections.Counter提前统计所有元素的频率，再排序：

from collections import Counter
from typing import List

class Solution:
    def frequencySort(self, nums: List[int]) -> List[int]:
        freq = Counter(nums)
        # 按频率升序排序；若频率相同，可按元素值降序（根据题目需求调整）
        nums.sort(key=lambda x: (freq[x], -x))
        return nums

这样整体时间复杂度为O(n log n)，效率提升明显。

内容的提问来源于stack exchange，提问作者user18025483