算法思想：快速排序运用了分而治之的思想，即在所选数组中选择一个基准(任选一个都可以)，以改基准为基础，将小于该基准的元素都移动基准的左边，大于该基准的数据都移动到右边，然后对左右两边进行递归处理。同样也是按照上述方法，即：选基准，在递归。
算法实例：Arr=[10,5,2,3,4,7,6] ---> [2, 3, 4, 5, 6, 7, 10]
代码如下：
上述代码有几处可以简化为如下 ：
greater,less = [],[]
for i in arr[1:]: 精简版 less = [i for i in arr[1:] if i <= pivot]
if i <= pivot: ==========>>>>> greater = [i for i in arr[1:] if i > pivot]
less.append(i)
else:
greater.append(i)
算法性能分析：
最坏情况下，时间复杂度为O(n^2)
在这种情况下，我们来看看一个极端的例子 A = [1,2,3,4,5,6,7,8,9]这个序列原本就是有序的，如果我们选取元素1作为基准，对其进行调用快速排序，其调用递归栈的长度为n。但是如果我们选取中间元素5作为基准，其调用递归栈长度为logn。
平均情况下，时间复杂度为O(nlogn)
在快速排序中有两个关键点：
第一，递归出口的判断
对于递归出口，我们可以来考虑几种特殊情况：
当数组中没有元素时，这时应该直接返回就行；当数组中只有一个元素的时候，也应该和直接返回。因此，当数组中元素为空或者仅有一个元素的时候，程序就应该返回。
第二，递归表达式的确定
对于快速排序，从其算法思想来考虑，应该是这样的。
[小于基准] + [基准] + [大于基准]
我们清楚了这一点之后，然后分别对小于基准部分和大于基准部分都来调用快速排序。这样我们就可以得到快排递归表达式。
quicksort(less_part) + [基准] + quicksort(great_part)
快速排序的中间过程，其实就是一棵递归树。当递归到达叶子节点，这时递归也就结束了，程序就执行完毕了。