事情的起因是我的一个回答：

里面的大佬提供了一个快排算法

def 快排(a):

return a and 快排([i for i in a if ia[0]])

一行代码写的十分优雅。

于是我写了如下代码进行对比

import time

import numpy as np

from random import random

from astartool.number import equals_zero_all

npa = np.array

def qsort1(a: list):

"""

知乎网友 划船協會 主页地址 https://www.zhihu.com/people/hua-chuan-xie-hui/activities

提供思路，感谢分享

:param a:

:return:

"""

return a and qsort1([i for i in a if i < a[0]]) + [i for i in a if i == a[0]] + qsort1([i for i in a if i > a[0]])

def qsort2(a: list):

"""

我的代码--快排

利用栈实现的快速排序(非递归算法)

:param a:

:return:

"""

stack = [(0, len(a) - 1)]

while stack:

ind, end = stack.pop()

i, j = ind, end

key = a[ind]

while i < j:

while j > i and key <= a[j]:

j -= 1

if j <= i:

break

a[i], a[j] = a[j], a[i]

i += 1

while j > i and key >= a[i]:

i += 1

if j <= i:

break

a[i], a[j] = a[j], a[i]

j -= 1

if ind < i - 1:

stack.append((ind, i - 1))

if i + 1 < end:

stack.append((i + 1, end))

return a

def equals(a, b):

"""

判断a和b是否相等

:param a:

:param b:

:return:

"""

return equals_zero_all(npa(a)-npa(b), 1e-12)

def my_test(l: int):

"""

测试函数

:param l: 数据规模

:return: 知乎网友划船協會提供在代码时间， 我自己写在代码在时间， list.sort时间， sorted的时间

"""

a = [random() for _ in range(l)]

b = a.copy()

c = a.copy()

d = a.copy()

e = a.copy()

# print(a)

t1 = time.clock()

sb = qsort1(b)

t2 = time.clock()

sc = qsort2(c)

t3 = time.clock()

d.sort()

t4 = time.clock()

se = sorted(e)

t5 = time.clock()

# print(t2 - t1, sb)

# print(t3 - t2, sc)

assert equals(sb, sc)

assert equals(sb, d)

assert equals(sb, se)

return t2 - t1, t3 - t2, t4 - t3, t5 - t4

x = [100, 500, 1000, 10000, 100000, 1000000]

for l in x:

t = my_test(l)

print(t)

运行结果为

(0.0020383999999999958, 0.0013799859999998887, 0.00014368300000011658, 0.0001452620000002014)

(0.021408730000000098, 0.0213862309999997, 0.0001646029999999854, 0.0001693410000003226)

(0.017994686000000204, 0.011673828999999802, 0.000404205999999796, 0.0004993370000003772)

(0.19425908400000003, 0.14128751600000022, 0.005214815999999622, 0.004091406000000131)

(2.6890752549999997, 1.9520561440000002, 0.07384543600000004, 0.08302494800000026)

(36.369763621999994, 22.788260172, 1.0100625289999954, 0.9511514160000019)

以上元祖每组分别是随机100、500、1000、10000、100000、1000000个随机数进行排序所需要的时间。

每个元祖分别代表 知乎网友划船協會提供在代码(以后简写成代码1)时间， 我自己写在代码(以后简写成代码2)在时间， list.sort(以后简称成代码3)时间， sorted(以后简写成代码4)的时间

看起来， 虽然代码1简练优雅，但是实际上缺乏执行效率。代码2代码虽然冗长，但是执行效率稍微高一点。系统函数代码3和代码4效率相差不明显，但是明显优于代码1和代码2。

那么为什么代码1会稍微慢一些呢？

我认为主要在以下的方面代码1在递归的过程中不断生成新的列表，递归耗时和列表生成存在耗时(不仅耗时，而且耗空间)

代码每一趟的计算上，代码2扫1遍列表得到的两部分。而代码1是扫了3遍表并且把表分成了3部分。又因为随机数的原因，导致代码1中的第二部分元素等于a[0]的列表元素个数基本上会等于1。三部分的列表还是相当于把元素分成两部分。

不过呢，比较之后，也给了我们一些启示尽量使用自带的工具。能不造轮子就不造轮子。(自己手撸执行效率又低，还浪费时间)

简练的东西执行效率不一定高。

不过嘛，个人喜好而言，虽然执行效率不高，我还是更加喜欢代码1，符合简单即美的python哲学。关键问题还是--这种写法实在太秀了。