189 8069 5689
主要原因，内置函数用C写的。在Python语言内无论如何造不出内置函数的轮子。这也是通常C跟C++语言用户更喜欢造基础算法的轮了的原因。因为C/C++用户真有条件写出匹敌标准库的算法，但很多高级语言不行，不是程序员技术差，是客观条件就根本做不到。
创新互联制作网站网页找三站合一网站制作公司,专注于网页设计,成都网站建设、网站制作,网站设计,企业网站搭建,网站开发,建网站业务,680元做网站,已为千余家服务,创新互联网站建设将一如既往的为我们的客户提供最优质的网站建设、网络营销推广服务!
你比如说Java语言没人造字符串的轮子，C++光一个字符串类就有无数多的实现。是因为C+用户更喜欢写字符串类吗？显然不是，一方面是因为Java语言内没法造出匹敌Java内置标准库算法的轮子，而C++真的可以，另外一个比较惨的原因是C++标准库的字符串功能太弱了，大多数高级语言的字符串类功能都比C+标准库字符串类功能更强。
写C++的时候一大错觉就是我觉着我能比标准库还快，同样的道理放在Python里面也同样适用，不管是Python各种常用package或内建函数，基本上都针对实用场景作了优化，自己手写的算法一般是比不上内建算法效率的，这也是为什么用Python时不鼓励自己造轮子的原因。
回到这个问题，Python内建的sort本质上为C实现的函数，本身执行效率就会比Python快很多，并且会根据不同的数据规模采用不同的排序算法，故效率一般都会优于自己在Python里面手写的排序更何况题主写的是基于递归的quicksort9，额外时间开销大。
因为python内置的sort是用c语言写的，如果你用c语言或者c++写的话肯定是可以做到一样快的至于为什么python计算效率比c语言能慢100倍这个具体的原理我不清楚，不过鉴于知乎上已经有很多大佬解释过这个问题，我就不在这里班门弄斧了
还有底下扯timsort的，快排序是所有比较排序算法里平均性能最优的一族算法，像C++和rust里的unstable_sort都是用的快排序。可能在一些情况下，比如数组几乎有序时，timsort会比快排序快。但是你随便给一个数组，比如像题主那样随机一个一百万大小的数然后排序，timsort是绝对不可能比快排序快的。绝对不可能。快的这100倍和timsort屁关系都没有。
我是C/C++程序员，我可以很负责的告诉你，在用天下现有所有高级语言进行排序的问题上，C要是认了第二，则没人敢认第一。所以，我猜，Python以及好多其他高级语言，都会时不时直接上C语言写的静态库和动态库。我自己也造了不少轮子，有部分是因为刚刚起步，对系统API和函数库不熟悉，找不到适合的，所以自己造轮子，后来发现了有更好的，我把我写的抛弃了。但这里也不排除有一部分是因为我个人觉得还有优化的空间，所以自己用C语言重新造了一个轮子，这样效率比现成的更优。
所以说，要论高级语言的鼻祖，还真非C莫属，从执行效率上讲，别说python，JAVA，C#，VB，甚至C的亲儿子C++，在同一个程序员手中，都没法与C抗衡，所以说，这些语言都是排着队等着被C吊打的，也正因为如此，所以，像python这类高级语言，有自带函数可用的，最好别想着自己重新造轮子，因为你不可能造出比自带函数更快的轮子。
内置库函数都是用C实现的，肯定要比手写的Python程序执行效率更高，此外内置排序Timsort相比本科课程上学的时间复杂度为Onlogn的排序算法做了很多常数优化，所以对于普通人而言，不要希望纯手写出来的东西效率能和标准库相当了。另外，题主写的排序是过不了LeetCode上的裸排序题目的，随机选取pivot对于快速排序是最基本的优化虽然题主排的是随机数，现在这么选肯定不是效率低的主要原因。
所以说了，py几乎得把自己的循环体拆了，这就是py和c/c++的性能差距，必须尽量用内置函数和numpy来处理数据，一旦手写循环体。，那你就得知道这可能得慢百倍，像用opency的py版时你不小心写个双循环来处理数据，那酸爽，而cppc#搞opencv就能随意用指针来写循环，这也是为啥他们其实不需要numpy这种组件，自身就有足够的性能和灵活度来处理这个。
Cpp内置的排序是快排和堆排的结合，最坏时间复杂度为nlogn，而快排最坏是n2。至于python内部的排序，我认为是一个道理，不会简简单单是一个快排，举个简单例子，当你数据已经是有序的时候，再传入快排肯定就不合适。那你设置排序函数的时候，是不是预先将他打乱，再进行快排会更好呢。当然具体不会这么简单，只是我认为官方给的接口都是很精妙的，很值得学习。
一方面Python中sort函数是用C语言写的，C++内部的sort是由快排，直接插入和堆排序混合的，当数据量比较大的时候先用的快排，当数据量小的时候用直接插入，因为当数据量变小时，快排中的每个部分基本有序，接近直接插入的最好情况的时间复杂度O（n），就比快排要好一点了。
另外一方面这个的底层实现就是归并排序。，只是使用了Python无法编写的底层实现，从而避免了Python本身附加的大量开销，速度比我们自己写的归并排序要快很多，所以说我们一般排序都尽量使用sorted和sort。
python内置关于排序的工具主要有两个一个是列表自带的 sort() 方法，另外一个是 sorted() 函数。Python 列表内置方法可以直接修改列表。而 sorted() 内置函数从一个可迭代对象（列表，元组等都可以）构建一个新的排序列表。其函数原型分别如下：
对列表进行默认排序
从函数原型来看，可以看到两者都具有两个可选参数，它们都必须指定为关键字参数。
key 指定带有单个参数的函数，用于从 iterable 的每个元素中提取用于比较的键 (例如 key=str.lower)。默认值为 None (直接比较元素)。 key 形参的值应该是个函数（或其他可调用对象），它接受一个参数并返回一个用于排序的键。
假设有其他类型的变量，比如一个自定义的类或者列表中又是一个列表。以官网例子为例有这样一个列表，其元素为元组，
可以用以下方式按照年龄排序
类似的有自定义类
可以用如下方式进行排序
也可以显示定义一个函数，且只有一个参数，返回用于排序的键，比如
总之就是定义一个函数返回一个用于排序的键，可以用lambda函数或者 def 定义都可以。
上面实现的简单函数实际就是实现了返回一个有序结构的第 n 的元素，或者某个类中的某个属性，因此 Python 提供了便利功能，使访问器功能更容易，更快捷。operator 模块有 itemgetter() 、 attrgetter() 函数。分别完成返回第 n 个元素，某个属性功能。上面的排序可以用如下方式进行实现
在python2中，sort有一个 cmp 参数，即用一个函数来自定义比较，在python3中这种方式被取消。为了继承类似的用法，在 Python 3.2 中， functools.cmp_to_key() 函数被添加到标准库中的 functools 模块中。
这种作用先定义如何比较两个变量，以上面的学生列表按照年龄排序为例
这种做法自定义比较函数接收两个形参，返回比较结果（bool），而新式方法接受一个参数，返回的是比较的键。
假设有字典 d = {'b':2, 'a':1,'c':8,'d':4} ，则可以通过以下方式对字典按照键和值进行排序
Python实现的快速排序算法详解
本文实例讲述了Python实现的快速排序算法。分享给大家供大家参考，具体如下：
快速排序基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。
如序列[6，8，1，4，3，9]，选择6作为基准数。从右向左扫描，寻找比基准数小的数字为3，交换6和3的位置，[3，8，1，4，6，9]，接着从左向右扫描，寻找比基准数大的数字为8，交换6和8的位置，[3，6，1，4，8，9]。重复上述过程，直到基准数左边的数字都比其小，右边的数字都比其大。然后分别对基准数左边和右边的序列递归进行上述方法。
实现代码如下：
def parttion(v, left, right):
key = v[left]
low = left
high = right
while low high:
while (low high) and (v[high] = key):
high -= 1
v[low] = v[high]
while (low high) and (v[low] = key):
low += 1
v[high] = v[low]
v[low] = key
return low
def quicksort(v, left, right):
if left right:
p = parttion(v, left, right)
quicksort(v, left, p-1)
quicksort(v, p+1, right)
return v
s = [6, 8, 1, 4, 3, 9, 5, 4, 11, 2, 2, 15, 6]
print("before sort:",s)
s1 = quicksort(s, left = 0, right = len(s) - 1)
print("after sort:",s1)
运行结果：
before sort: [6, 8, 1, 4, 3, 9, 5, 4, 11, 2, 2, 15, 6]
after sort: [1, 2, 2, 3, 4, 4, 5, 6, 6, 8, 9, 11, 15]