可视化工具及动画展示：旧金山大学 (usfca)|数据结构可视化工具
排序算法概念及描述：1.0 十大经典排序算法（文章部分内容引用自改文章）
参考：邓俊辉 的数据结构
本文未对排序算法概念进行详细说明，只是提供已经验证过的代码及对算法核心进行简要说明
常用八种排序算法： 插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序·
全部代码（github） C#版本
0X00 前言
排序算法是《数据结构与算法》中最基本的算法之一。
线性对数阶 (O(nlog2n)) （ log2n 是以2为底数的n的对数）排序： 快速排序、堆排序和归并排序；
O(n1+§)) 排序 ( § 是介于 0 和 1 之间的常数 )： 希尔排序
线性阶 (O(n)) 排序： 基数排序，此外还有桶、箱排序。
关于稳定性
稳定的排序算法：冒泡排序、插入排序、归并排序和基数排序。
不是稳定的排序算法：选择排序、快速排序、希尔排序、堆排序。
名词解释：
- n：数据规模
- k："桶"的个数
- In-place：占用常数内存，不占用额外内存
- Out-place：占用额外内存
- 稳定性：排序后 2 个相等键值的顺序和排序之前它们的顺序相同
0X01 冒泡排序(起泡排序)
可视化工具及动画演示
0X02 选择排序(直接选择排序)
可视化工具及动画演示
0X03 插入排序(直接插入排序)
适合少量元素排序
可视化工具及动画演示
0X04 希尔排序
基于插入排序
参考学习：https://baijiahao.baidu.com/s?id=1644158198885715432&wfr=spider&for=pc
可视化工具及动画演示
0X05 归并排序
可视化工具及动画演示
0X06 快速排序
可视化工具及动画演示
0X07 堆排序
可视化工具及动画演示
时间复杂度参考：堆排序的时间复杂度分析
0X08 计数排序
可视化工具及动画演示
0X09 桶排序
可视化工具及动画演示
0X10 基数排序
可视化工具及动画演示
0X11 全部代码（C#）
全部代码（github）
0X12 排序算法耗时测试
全部代码（github）
测试环境：（.Net4.6.1,win10）
数组长度50，数组元素(0–1000).
BubbleSort总共花费0.3393ms.
BubbleSort_E总共花费0.1743ms.
SelectionSort总共花费0.1832ms.
InsertionSort总共花费0.1752ms.
InsertionSort_E总共花费0.1461ms.
ShellSort总共花费0.2367ms.
MergeSort总共花费0.4245ms.
MergeSort_E总共花费0.4201ms.
QuickSort总共花费0.3644ms.
QuickSort_V总共花费0.4239ms.
HeapSort总共花费0.2615ms.
CountingSort总共花费0.2181ms.
BucketSort总共花费3.492ms.
RadixSort总共花费0.3766ms.数组长度500，数组元素(0–1000).
BubbleSort总共花费1.4969ms.
BubbleSort_E总共花费1.7962ms.
SelectionSort总共花费0.4618ms.
InsertionSort总共花费1.2992ms.
InsertionSort_E总共花费0.2969ms.
ShellSort总共花费0.4273ms.
MergeSort总共花费0.4269ms.
MergeSort_E总共花费0.2781ms.
QuickSort总共花费0.2806ms.
QuickSort_V总共花费0.3587ms.
HeapSort总共花费0.3837ms.
CountingSort总共花费0.2465ms.
BucketSort总共花费1.3181ms.
RadixSort总共花费0.2294ms.数组长度1000，数组元素(0–1000).
BubbleSort总共花费4.9505ms.
BubbleSort_E总共花费4.669ms.
SelectionSort总共花费1.2467ms.
InsertionSort总共花费3.395ms.
InsertionSort_E总共花费1.3513ms.
ShellSort总共花费1.3414ms.
MergeSort总共花费0.5231ms.
MergeSort_E总共花费0.4844ms.
QuickSort总共花费0.3366ms.
QuickSort_V总共花费0.3937ms.
HeapSort总共花费0.4446ms.
CountingSort总共花费0.2668ms.
BucketSort总共花费2.6375ms.
RadixSort总共花费0.5076ms.数组长度5000，数组元素(0–1000).
BubbleSort总共花费134.6438ms.
BubbleSort_E总共花费141.5785ms.
SelectionSort总共花费32.566ms.
InsertionSort总共花费82.5932ms.
InsertionSort_E总共花费17.178ms.
ShellSort总共花费22.8029ms.
MergeSort总共花费1.0649ms.
MergeSort_E总共花费0.7582ms.
QuickSort总共花费0.7838ms.
QuickSort_V总共花费0.8333ms.
HeapSort总共花费1.5709ms.
CountingSort总共花费0.2693ms.
BucketSort总共花费1.7872ms.
RadixSort总共花费0.4634ms.数组长度10000，数组元素(0–1000).
BubbleSort总共花费556.6481ms.
BubbleSort_E总共花费528.7346ms.
SelectionSort总共花费116.9845ms.
InsertionSort总共花费306.6125ms.
InsertionSort_E总共花费68.4407ms.
ShellSort总共花费88.4968ms.
MergeSort总共花费1.8969ms.
MergeSort_E总共花费1.3673ms.
QuickSort总共花费1.4713ms.
QuickSort_V总共花费1.4491ms.
HeapSort总共花费3.3177ms.
CountingSort总共花费0.3216ms.
BucketSort总共花费2.9245ms.
RadixSort总共花费0.7497ms.数组长度30000，数组元素(0–1000).
BubbleSort总共花费4702.0921ms.
BubbleSort_E总共花费4660.4316ms.
SelectionSort总共花费952.3607ms.
InsertionSort总共花费2763.3749ms.
InsertionSort_E总共花费610.9831ms.
ShellSort总共花费777.4363ms.
MergeSort总共花费5.3142ms.
MergeSort_E总共花费3.806ms.
QuickSort总共花费4.2744ms.
QuickSort_V总共花费4.4204ms.
HeapSort总共花费10.0902ms.
CountingSort总共花费0.5658ms.
BucketSort总共花费18.1321ms.
RadixSort总共花费1.8263ms.数组长度100000，数组元素(0–1000).
BubbleSort总共花费52096.3052ms.
BubbleSort_E总共花费52299.5447ms.
SelectionSort总共花费10567.5827ms.
InsertionSort总共花费30973.0239ms.
InsertionSort_E总共花费6888.8287ms.
ShellSort总共花费8548.7395ms.
MergeSort总共花费17.985ms.
MergeSort_E总共花费13.3151ms.
QuickSort总共花费19.1267ms.
QuickSort_V总共花费18.6859ms.
HeapSort总共花费36.055ms.
CountingSort总共花费1.3793ms.
BucketSort总共花费195.1004ms.
RadixSort总共花费6.1907ms.
通过测试数据得出：
- 没有空间开销的算法中（不考虑原始数据局部有序） 小数据量（<500） 直接插入排序最优(E版本) ；大数据量(>500) 快速排序最优（递归版本，不考虑递归开销）。
- 有空间开销的算法中 (不考虑空间开销大小，大数据量>1000）基数排序和计数排序最优，其次是归并排序（E版本非递归）。
桶排序的耗时不是最优的，这里的桶排序没有设置桶的size，所以桶排序耗时不考虑。
如果有出入或者错误望各位留言指正
0X13 十大算法比较与分析
- 这里是参考其他文章的结论进行了罗列，我自己的测试结论参考上一节（ 0X13 ）节
直接插入排序 是对冒泡排序的改进，比冒泡排序快，但是只适用于数据量较小(1000 ) 的排序
希尔排序 比较简单，适用于小数据量（5000以下）的排序，比直接插入排序快、冒泡排序快，因此，希尔排序适用于小数据量的、排序速度要求不高的排序。
直接选择排序 和冒泡排序算法一样，适用于n值较小的场合，而且是排序算法发展的初级阶段，在实际应用中采用的几率较小。
堆排序 比较适用于数据量达到百万及其以上的排序，在这种情况下，使用递归设计的快速排序和归并排序可能会发生堆栈溢出的现象。
冒泡排序 是最慢的排序算法，是排序算法发展的初级阶段，实际应用中采用该算法的几率比较小。
快速排序 是递归的、速度最快的排序算法，但是在内存有限的情况下不是一个好的选择;而且，对于基本有序的数据序列排序，快速排序反而变得比较慢。
归并排序 比堆排序要快，但是需要的存储空间增加一倍。
基数排序 适用于规模n值很大的场合，但是只适用于整数的排序，如果对浮点数进行基数排序，则必须明确浮点数的存储格式，然后通过某种方式将其映射到整数上，最后再映射回去，过程复杂。
摘自常用排序算法比较与分析
冒泡排序：
效率太低，通过冒泡可以掌握swap。选择排序：
效率较低，但经常使用它内部的循环方式来找最大值和最小值。插入排序：
虽然平均效率低，但在序列基本有序时，它很快，所以也有其适用范围。希尔排序：
是插入排序的改良，对空间思维训练有帮助。快速排序：
快排是软件工业中最常见的常规排序法，其双向指针扫描和分区算法是核心。往往用于解决类似问题，特别地partition算法用来划分不同性质的元素，
partition->selectK,也用于著名的top问题
O(NlgN)，但是如果主元不是中位数的话，特别地如果每次主元都在数组区间的一侧，复杂度将退化为N²
工业优化：三点取中法，绝对中值法，小数据量用插入排序
快排重视子问题拆分归并排序：
空间换时间——逆序对数，归并重视子问题的解的合并
堆排序：
用到了二叉堆数据结构，是继续掌握树结构的起手式。=插排+二分查找上面7种都是基于比较的排序，可证明它们在元素随机顺序情况下最好是NlgN的，用决策树证明
下面三个是非比较排序，在特定情况下会比基于比较的排序要快：
计数排序：
可以说是最快的：O(N+k),k=maxOf(sourceArr)，用它来解决问题时必须注意如果序列中的值分布非常广（最大值很大，元素分布很稀疏），
空间将会浪费很多
所以计数排序的适用范围是：序列的关键字比较集中，已知边界，且边界较小桶排序：
先分桶，再用其他排序方法对桶内元素排序，按桶的编号依次检出。（分配-收集）
用它解决问题必须注意序列的值是否均匀地分布在桶中。
如果不均匀，那么个别桶中的元素会远多于其他桶，桶内排序用比较排序，极端情况下，全部元素在一个桶内，还是会退化成NlgN。其时间复杂度是：时间复杂度： O(N+C)，其中C=N(logN-logM)，约等于NlgN
N是元素个数，M是桶的个数。基数排序：
kN级别（k是最大数的位数）是整数数值型排序里面又快又稳的，无论元素分布如何，
只开辟固定的辅助空间（10个桶）对比桶排序，基数排序每次需要的桶的数量并不多。而且基数排序几乎不需要任何“比较”操作，而桶排序在桶相对较少的情况下，桶内多个数据必须进行基于比较操作的排序。因此，在实际应用中，对十进制整数来说，基数排序更好用。
摘自10种排序算法的对比分析
0X14 数据结构可视化工具
可视化工具及动画展示地址：旧金山大学|数据结构可视化
点击向后跳就然后点上面的某个排序按钮就可以重新播放啦