快速排序算法按照字面意思就是时间复杂度"很快'的排序算法，实际上，在所有排序中，快速排序是最快的排序算法。一般的算法复杂度为O(n^2)，但是快速排序法的时间复杂度为O(nlogn)，所以说快速排序法在排序算法中最快，而且快速排序法不需要额外的内存。
快速排序的原理：
引用图解算法中的图解，我们通过一个具体实例即对一个无序列表[6，1，2，7，9，3，4，5，10，8]中的数进行快速排序.
① 选取一个基数base，习惯上选取左边第一个数。然后分别设置左右两指针，左右指针分别从0，len(data)-1开始向中间靠拢。
首先右指针先移动，寻找比基数base小的数，左指针原地待命，直到右指针找到小于基数base的数。
② 右指针一直向右移动，直到到达元素5 比基数base小，于是右指针暂停，左指针向右移动，直到找到左指针中的元素值比base大，这时元素7比base小，这时交换左右指针i,j中元素中值
③ 交换之后，左指针依旧在右指针左边，也就是i<j, 重复上面步骤① ② 此时i，j分别处在元素5，7的位置。交换。
④ 重复上面的步骤① ②，发现此时左指针i 向右移动到元素3的位置时 i==j 此时左右指针停止移动，我们发现该位置的元素值比base小，交换两个的值。
④ 以 元素3 的位置将列表分成两个部分，分别为[6,1,2,5,4]和[9，7，10，8] 对该两个部分进行上面的步骤（重复步骤可视为递归过程）
最后给出本例快速排序过程图以及快速排序的动图
实现代码：
##递归实现快速排序
###注意 首先要右指针条件满足才能移动左指针，也就是说右指针先行
def quickly_sorted(start,end,data):
if start>=end:
return data
else :
base=data[start]
i=start
j=end-1
while i<j:
if data[j]<base :##首先右指针移动
if data[i]>base:###左指针移动
data[i],data[j]=data[j],data[i]##满足条件交换
else :
i+=1###若左指针不满足 移动左指针
else :
j-=1###右指针不满足 移动右指针
if base>data[i]:
data[start],data[i]=data[i],data[start]
quickly_sorted(start,i,data)###重复上面的步骤
quickly_sorted(i+1,end,data)
return data
data=[6,1,2,7,9,3,4,5,10,8]
start=0
end=len(data)
quickly_sorted(start,end,data)
后面的话：
如果利用该方式递归会出现错误的结果，为什么？因为如果我们要利用data[0:i]相当于创建了一个新的列表，所以在递归返回的时候原列表的内容并不会改变，这也就是在python中的赋值，浅拷贝和深拷贝的区别，这点一定要注意，在后面我会继续写一些关于递归的应用（主要在二叉树中的递归），这里面也会涉及到列表深浅拷贝的区别。
def quickly_sorted(data):
if len(data)==0 or len(data)==1:
return data
elif len(data)==2 and data[0]>data[1]:
data[0],data[1]=data[1],data[0]
else :
start=0
end=len(data)
base=data[start]
i=start
j=end-1
while i<j:
if data[j]<base :
if i>base:
data[i],data[j]=data[j],data[i]
else :
i+=1
else :
j-=1
if data[start]>data[i] :
data[start],data[i]=data[i],data[start]
quickly_sorted(data[0:i])
quickly_sorted(data[i+1:])
data=[6,2,4,5]
quickly_sorted(data)
同时 我在网上还看到一些人，在交换元素位置的时候，不是利用data[start],data[i]=data[i],data[start] 而是利用列表中pop()和append()方法，这虽然满足快速排序的某些条件，但是这时间复杂度不是O(nlogn)，因为pop()和append()这两个方法的时间复杂度为O(n),所以整体的时间复杂度为O(n^2)，所以不满足‘快速’二字.
原创不易，转载请注明出处。