给我快速排序标杆选取，三轴排序两种优化方式的代码，要求每次生成100000条数据，运行十次后求每种方法运行时间的平均值

快速排序是一种高效的排序算法，它通过分治策略将大问题分解成小问题解决。在这里，我会提供一个简单的Python版本，包括使用基准选择（如Lomuto分区或Hoare分区）和三轴排序（也称为“三向切分”）的优化。我们将使用time模块来测量运行时间。

首先，我们定义一个生成随机数列表的函数：

import random
import time

def generate_random_list(length):
    return [random.randint(0, 10000) for _ in range(length)]

def quick_sort_unoptimized(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    less = [x for x in arr if x < pivot]
    equal = [x for x in arr if x == pivot]
    greater = [x for x in arr if x > pivot]
    return quick_sort_unoptimized(less) + equal + quick_sort_unoptimized(greater)

# Lomuto分区法
def quick_sort_lomuto(arr):
    # (类似代码，省略细节)
    
# Hoare分区法
def quick_sort_hoare(arr):
    # (类似代码，省略细节)

# 三轴排序优化
def quick_sort_three_axis(arr):
    # (类似代码，实现三向切分)

为了计算平均运行时间，我们可以使用下面的代码：

def benchmark(func, num_trials=10, size=100000):
    total_time = 0
    for _ in range(num_trials):
        data = generate_random_list(size)
        start_time = time.time()
        func(data)
        end_time = time.time()
        total_time += end_time - start_time
    avg_time = total_time / num_trials
    print(f"{func.__name__} 的平均运行时间为: {avg_time} 秒")

benchmark(quick_sort_unoptimized)
benchmark(quick_sort_lomuto)
benchmark(quick_sort_hoare)
benchmark(quick_sort_three_axis)

运行这段代码，你会得到每个方法在处理100000个随机数时的平均运行时间。记得在实际环境中，由于硬件和环境差异，这些时间可能会有所不同。