如何优雅获取Python中max/min函数对应的key值？

如果你在用Python的max()或min()时遇到了非确定性key函数的场景，肯定会发现常规方法根本行不通——毕竟重复调用key函数会得到不一样的结果，没法准确拿到对应的值和key。

先说说为什么常规方案不行：

• 直接用max_val = max(iterable, key=key)再max_key = key(max_val)：因为key是非确定性的（比如带随机数的函数），两次调用key的结果可能完全不同，对应关系直接出错。
• 用sorted(iterable, key=key)[0]再算key：本质和上面一样，排序时计算的key和后续调用的key结果不一致，完全没法保证对应性。

那怎么优雅解决这个问题？这里有个兼顾惰性求值、适配任意可迭代对象，还和原生max行为保持一致的自定义函数：

from itertools import tee

def max_and_key(iterable, *, key):
    i1, i2 = tee(iterable)
    max_val = max((k, -i, v) for i, (k, v) in enumerate(zip(map(key, i1), i2)))
    return max_val[2], max_val[0]

来拆解下这个函数的设计细节：

• tee(iterable)：把输入的可迭代对象拆成两个独立但同步的迭代器i1和i2，这样我们可以同时遍历元素和它对应的key，不会因为迭代器提前耗尽出问题。
• zip(map(key, i1), i2)：一边用map(key, i1)计算每个元素的key，一边用i2取原元素，zip保证两者严格一一对应，而且是惰性处理的——不会一次性把所有元素和key都加载到内存里，对大迭代器非常友好。
• enumerate(...) + (k, -i, v)：当多个元素的key值相同时，原生max会返回第一个出现的元素，这里用-i（i是元素的索引）来保证排序稳定性：当k相同时，-i越大（也就是i越小，元素出现越早），整个元组的优先级越高，max就会选中最早出现的那个元素，和原生函数行为完全一致。

调用的时候也很直观，比如拿一个带随机偏移的非确定性key举例：

import random
def random_key(x):
    return x + random.random()

my_list = [1, 2, 3]
val, k = max_and_key(my_list, key=random_key)
print(f"最大值: {val}, 对应key: {k}")

这样就能保证拿到的val和k是完全对应的，不会因为重复调用key函数出现不一致的问题。

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