写程序时，排序几乎是绕不开的坎。不管是学生成绩排名、商品价格筛选，还是后台数据处理，总得排个序。可面对冒泡、快排、归并这些名字，很多人脑袋发懵——到底哪个快？哪个省资源？什么时候该用哪个？
为啥需要一张对比图？
前两天帮朋友优化一个订单系统，他用的是冒泡排序，数据量一上来，页面卡得像老拖拉机。其实换种算法，比如快速排序，速度能提升十倍不止。问题就在这儿：不同场景适合不同的排序算法，光背名字没用，得知道它们的脾气。
十大排序算法核心特性一览
下面这张“对比图”不是真图，而是用文字给你理清楚，方便你以后查表对号入座：
- 冒泡排序：稳定，好理解，但慢，适合教学或极小数据
- 选择排序：不稳定，交换次数少，但时间复杂度固定高
- 插入排序：小数据块里表现不错，几乎有序时特别快
- 希尔排序：插入排序的升级版，中等数据量可以考虑
- 快速排序：平均最快，但最坏情况会崩，日常开发常用
- 归并排序：稳定且高效，适合大数据和链表，但吃内存
- 堆排序：时间稳定，不占额外空间，但常数大，实际略慢
- 计数排序：整数排序神器，O(n)速度，但范围不能太大
- 桶排序：数据分布均匀时极快，适合浮点数或分数段统计
- 基数排序：按位比较，适合固定长度的整数或字符串
实际怎么选？看场景
比如你在做考试成绩分析，数据量几千条，基本有序，插进去几个新成绩——这时候插入排序比快排还快。再比如你要处理百万级用户积分排名，数据乱得很，那就上快速排序或者归并排序。
要是数据全是0到100的整数，比如学生成绩，直接上计数排序，一遍扫完就排好了，比啥都快。
代码示例：快速排序简版
来看看快排长什么样：
def quick_sort(arr):
if len(arr) <= 1:
return arr
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quick_sort(left) + middle + quick_sort(right)写法简洁，平均性能优秀，Python里一句话生成左右子集，理解起来也不费劲。
别被复杂度吓住
看到O(n²)就躲？其实小数据下，算法间的差距没那么夸张。反倒是实现简单、不容易出错更重要。项目赶进度时，先用个简单的排上，后期再优化，比一开始就搞复杂架构实在。
再说一句实在的：面试可以聊堆排序，但平时写业务，90%的情况sort()函数就够用了。关键是心里有张表，知道背后是谁在干活。