如何选择排序算法

其中， n表示数据规模（数据量），

           k表示 “桶” 的个数，

           In-place：表示占用常数内存，不占用额外内存，

           Out-place：表示占用内存，

           稳定性：表示排序后2个键值相同的数据顺序和排序前的顺序相同，

           O后面有一个函数，指明某个算法的耗时与耗空间与数据增长量之间的关系，比如时间复杂度O(n)，表示数据量增大n倍，耗时也增大n倍。再比如O(log(n))，当数据量增大n倍时，耗时量增大log（n）倍（log以2为基数）。

排序的选择

1. 如n（<=50）时，可以选择直接插入或者直接选择排序；
2. 如文件初始状态基本有序（指正序），则应该选用直接插入、冒泡或者随机的快排为宜；
3. 如n比较大，则选用时间复杂度为O(nlog(n))的排序方法，快速排序、堆排序或者归并排序；
4. 如n比较小，考虑稳定性，可以使用基数排序、计数排序或者桶排序；
5. 如数据中重复的比较多，可以使用希尔排序和归并；

例题：2万名员工按年龄由小到大的排序？

1. 要考虑员工的工号，也就是稳定性；
2. 数量较多；
3. 重复较多；

考虑以上因素，选用归并排序；

源码实现

  function merge(left, right) {
    var result = [];
    while (left.length > 0 && right.length >0) {
      if (left[0] < right[0]) {
        result.push(left.shift())
      } else {
        result.push(right.shift())
      } 
    }
    return result.concat(left).concat(right)
  }
function mergeSort(arr) {
    if (arr.length === 1) {
      return arr
    }
  var mid = Math.floor(arr.length / 2);
  var left_arr = arr.slice(0, mid);
  var right_arr = arr.slice(mid);
  return merge(mergeSort(left_arr), mergeSort(right_arr))
}