一般对于排序算法我们通常考虑： 是否稳定（相同值的两个数位置是否会变） 和 时间复杂度（算法执行次数的规模量级）。至于说空间复杂度（算法在运行过程中临时占用存储空间大小的量度）其实对于每种算法具体实现代码风格迥异。
从实现上如何处理稳定
一般而言：稳定的排序算法有：冒泡排序、插入排序、归并排序和基数排序；不稳定的排序算法：选择排序、快速排序、希尔排序、堆排序。
个人感觉在代码实现各种算法时，是否稳定取决于在处理相同值的两个不同数据下标是否swap。
比如说：
冒泡： 处理等值时，取下标大的就不用swap可以达到稳定，但是取下标小的得swap则不稳定。（取小下标 多做一次swap）
插入： 处理等值时， 前插处理则不稳定， 跳过则稳定。(前插 多做一轮swap)
选择： 选择一个最大的值置于队尾。在判定最大值时，如果等值取下标大的可以达到稳定，取小标小的则不稳定。(取大下标 多做一次swap)
等等诸如此类在实现的处理细节决定是否可以做成稳定， 但是同样的带来执行的次数会多。 而对于实际上我们只需要知道排序后的结果数组，当然执行规模越少，效率越快 越好喽
如何区分时间复杂度
冒泡、选择、插入: 平方阶(O(n2))排序
经过实际代码可以发现，这些都是在从前往后的轮询数组，只是边界在慢慢变小，边界每变化一次就轮询一次。 （冒泡与选择相同都在于比较值取大小；不同在于冒泡是每次比较后都swap，而选择只是记录需要的数据下标，最后才将下标与队尾swap）
快速、堆和归并: 线性对数阶(O(nlog2n))排序
经过实际代码可以发现， 都类似于将排序数组切分成2部分递归处理。
基数： 线性阶(O(n))排序