你写个 Python 脚本想把一串成绩从高到低排好，结果 list.sort() 一敲就完事——但有没有想过，背后它到底调用了哪种排序？其实，排序算法不是只有「系统自带」这一种答案，而是有一整套方法论。今天咱们不讲虚的，直接掰开揉碎，看看日常开发里真正用得上的几种排序算法。
冒泡排序：最“憨”的入门款
就像水里的气泡往上冒，大的数一点点“浮”到末尾。每次比较相邻两个数，大的往后挪。虽然效率低（时间复杂度 O(n²)），但代码简单到一眼看懂：
def bubble_sort(arr):
n = len(arr)
for i in range(n):
for j in range(0, n - i - 1):
if arr[j] > arr[j + 1]:
arr[j], arr[j + 1] = arr[j + 1], arr[j]
return arr适合教学、小数据量手动调试，比如给 20 个学生名单按学号临时排个序，手写一个也花不了半分钟。
选择排序：每次挑个最小的放前面
思路直白：第一轮在全部数里找最小的，放到第 0 位；第二轮在剩下数里找最小的，放到第 1 位……以此类推。交换次数少（最多 n-1 次），但比较次数照样是 O(n²)。
插入排序：像理扑克牌一样自然
你摸牌时，一边摸一边往手里已排好的序列里插——这就是插入排序。对小数组或基本有序的数据（比如每天新增几条日志再整体排序），它比快排还快。Python 的 list.sort() 在小数据量时就悄悄用它打底。
归并排序：稳扎稳打的“分治派”
先把数组劈成两半，分别排好，再把两个有序数组合并成一个。时间稳定在 O(n log n)，不随输入波动，适合对稳定性有要求的场景，比如按姓名排序后再按年龄二次排序——归并能保住第一次的顺序。
快速排序：实战中的“扛把子”
选个“基准数”，把比它小的全甩左边，大的全甩右边，然后左右两边递归重复。平均性能极佳（O(n log n)），内存占用小，C++ std::sort、Java Arrays.sort 对于基本类型都默认用它改良版。唯一小心点：如果原数组已经逆序，又没随机化基准，可能退化成 O(n²)。
堆排序：靠“堆”结构硬核上场
利用二叉堆的特性，先建大顶堆，再反复取堆顶、调整堆。时间始终 O(n log n)，空间只需 O(1)，适合内存紧张的嵌入式环境。不过实际开发中用得比快排和归并少些，毕竟写起来多绕两步。
计数排序：专治“范围小、种类少”
不靠比较，靠统计。比如给 1000 个学生的分数（0～100）排序，直接开个长度为 101 的数组，统计每个分数出现几次，再按顺序输出——O(n+k)，快得飞起。但它只适用于整数，且值域不能太大，不然内存直接爆掉。
说到底，没有“最好”的算法，只有“最合适”的场景。写个小工具脚本，冒泡或插入够用；处理百万级用户订单，就得上快排或归并；做嵌入式固件？堆排序可能更靠谱。下次看到 sort()，别光点运行，想想它正在哪条算法流水线上干活。