各种排序算法的比较

下面是一个 Markdown 表格，展示了各种常用算法的时间复杂度、空间复杂度和稳定性的比较：

算法	时间复杂度（平均情况）	时间复杂度（最坏情况）	空间复杂度	稳定性
冒泡排序	$O(n^2)$	$O(n^2)$	$O(1)$	稳定
选择排序	$O(n^2)$	$O(n^2)$	$O(1)$	不稳定
插入排序	$O(n^2)$	$O(n^2)$	$O(1)$	稳定
快速排序	$O(nlogn)$	$O(n^2)$	$O(logn)$	不稳定
归并排序	$O(nlogn)$	$O(nlogn)$	$O(n)$	稳定
堆排序	$O(nlogn)$	$O(nlogn)$	$O(1)$	不稳定
计数排序	$O(n+k)$	$O(n+k)$	$O(k)$	稳定
桶排序	$O(n+k)$	$O(n^2)$	$O(n+k)$	稳定
基数排序	$O(nk)$	$O(nk)$	$O(n+k)$	稳定
希尔排序	$O(nlogn)$	$O(n^{2})$	$O(1)$	不稳定

下面展示了各种排序算法的适用场景和不适用场景：

算法	适用场景	不适用场景
冒泡排序	- 数据量较小 - 需要稳定排序的场景	- 数据量较大 - 时间复杂度要求较高的场景
选择排序	- 数据量较小 - 不需要稳定排序的场景	- 数据量较大 - 时间复杂度要求较高的场景
插入排序	- 数据量较小 - 部分有序的场景 - 对于小规模数据的排序效果较好	- 数据量较大 - 时间复杂度要求较高的场景
快速排序	- 数据量较大 - 需要快速排序的场景	- 数据量较小 - 对于完全有序的数据排序效果较差
归并排序	- 数据量较大 - 需要稳定排序的场景	- 数据量较小 - 需要原地排序（不使用额外空间）的场景
堆排序	- 数据量较大 - 需要原地排序（不使用额外空间）的场景	- 数据量较小 - 需要稳定排序的场景
计数排序	- 数据量较大 - 数据范围较小且已知的场景	- 数据范围较大或未知的场景
桶排序	- 数据量较大 - 数据分布较均匀的场景	- 数据分布不均匀的场景 - 数据量较小
基数排序	- 数据量较大 - 数据为非负整数的场景	- 数据量较小 - 数据包含负数或小数的场景 - 数据范围较大
希尔排序	- 数据量较大 - 数据随机性较大分布不均	- 数据量较小 - 数据基本有序

这个表格列出了常见的排序算法，并说明了它们的适用场景和不适用场景。适用场景包括数据量大小、稳定性要求、数据分布情况等因素。不适用场景包括数据量较小、时间复杂度要求较高、需要原地排序等因素。请注意，这里的适用场景和不适用场景是一般情况下的建议，具体情况可能会因为算法的实现方式和具体需求而有所不同。