文章目录
基本上排序算法，基于选择的排序除了希尔，快排，归并，堆排序之外没啥实用性，只不过是练手的工具罢了，像 O(n^2) 这样过高的时间复杂度，已经失去了它的实用意义了
| 排序类别 | 排序算法 | 平均时间复杂度 | 最好情况 时间复杂度 | 最坏情况 时间复杂度 | 空间复杂度 | 稳定性 | 适用场景 |
|---|---|---|---|---|---|---|---|
| 交换排序 | 冒泡排序 | O(n^2) | O(n) | O(n^2) | O(1) | 稳定 | 数据基本有序，数据量不大，要求稳定的情况下 |
| 选择排序 | 简单选择排序 | O(n^2) | O(n^2) | O(n^2) | O(1) | 不稳定 | 数据基本有序，数据量不大的情况下 |
| 插入排序 | 直接插入排序 | O(n^2) | O(n) | O(n^2) | O(1) | 稳定 | 数据基本有序，数据量不大，要求稳定的情况下 |
| 插入排序 | 折半插入排序 | O(n^2) | O(n) | O(n^2) | O(1) | 稳定 | 数据基本无序，数据量大的情况下 |
| 插入排序 | 希尔排序 | O(n^1.3) | O(n) | O(n^2) | O(1) | 不稳定 | 数据基本无序，数据量大的情况下 |
| 交换排序 | 快速排序 | O(nlogn) | O(nlogn) | O(n^2) | O(logn)~O(n) | 不稳定 | 数据基本无序，数据量大的情况下 |
| 选择排序 | 堆排序 | O(nlogn) | O(nlogn) | O(nlogn) | O(1) | 不稳定 | 数据量基本较大情况下 |
| 内部排序 | 归并排序 | O(nlogn) | O(nlogn) | O(nlogn) | O(n) | 稳定 | 数据量大，且要求稳定的情况下 |
| 内部排序 | 基数排序 | O(nk) | O(nk) | O(nk) | O(n+k) | 稳定 | 适用于特定场景，有基数的条件下 |
| 内部排序 | 桶排序 | O(n+k) | O(n+k) | O(n^2) | O(n+k) | 稳定 | 适用于特定场景，稳定的，跨度不大的，浮点数的场景 |
| 内部排序 | 计数排序 | O(n+k) | O(n+k) | O(n+k) | O(k) | 稳定 | 适用于特定场景，稳定的，跨度不大的，非浮点数的场景 |
基本无实用性的排序算法
冒泡排序，简单选择排序，直接插入排序，折半插入排序。
这几种排序也是最简单的几种排序，由于平均时间复杂度达到了 O(n^2) 所以基本是不会去用了
具有实用性的基于比较的排序
快速排序，希尔排序，归并排序，堆排序
实际排序速率：快速排序 优于 归并排序 优于 希尔排序 优于 堆排序
时间复杂度能达到 O(n) 的超高效排序
当 k 不大时，基数排序，桶排序，计数排序都可以达到 O(n) 的时间复杂度，但是我们为什么不大量使用他们呢，因为它们都是需要对排序的数据有严格的场景要求
应用最广泛的排序算法
快速排序，因为其排序速度是极快的，平均时间复杂度可以达到 O(nlogn)，也没什么场景限制，所以快排还是比较完美的
理论上最优秀的排序
堆排序（理论最快）
为什么说堆排序是理论上最优呢，因为它理论上我们可以看到它的平均，最好，最差时间复杂度都是比较排序的下界，而且还是一个就地排序，空间复杂度为 O(1)，理论上快排最差可以达到 O(n^2) 的时间复杂度，而且快排空间复杂度可以达到 O(logn) 到 O(n)。那为何实际中快排要更快呢？是因为快排很少能达到最差时间复杂度的场景，所以很难达到 O(n^2) 的时间复杂度，再一个就是堆排序比较的几乎都不是相邻的元素，所以它对 cache 这种结构来讲是很不友好，所以实际使用中要比快排慢，实际使用会发现它也比归并，希尔慢
实际中最快的排序算法
快速排序（实际最快）
占用空间最少的排序算法中最快的
希尔排序（空间最少中的最快）
稳定的排序算法中最快的
归并排序（稳定中的最快）
综合能力最好的排序
快排和希尔排序
速度上：快速排序 > 归并排序 > 希尔排序 > 堆排序
空间上：希尔排序 > 堆排序 > 快速排序 > 归并排序
综合比较后发现快排和希尔这两个是最好的排序，那为什么写快排的多呢，因为希尔排序涉及到一个如何选取增量的问题，这个就涉及到数学方面的论证了，比较麻烦。
所以在我们更注重时间而忽视空间的时候我们建议采用快排，当我们非常注重空间，不是特别在意时间的我们建议使用希尔排序
一些解释内部排序与外排序
内部排序就是可以在内存中完成的排序，一般所说的排序都是内排序，但是数据量太大，内存存不下这么多数据，只能使用到外排序了，外排序如多路归并排序
基于比较和基于数据分配
基于比较的排序时间复杂度下界是 O(nlogn)，基于数据分配的排序时间复杂度则可以突破下界
排序算法稳定性的意义
若仅仅是对数字排序，稳定性就显得毫无意义，稳定的排序算法用于即使数值是一样，但是对于初始位置是有意义的场景中
