總結：
（1）當排序記錄個數n較大，關鍵碼分佈較隨機，且對穩定性不作要求時，採用快速排序為宜。
（2）當待排序記錄個數n較大，記憶體空間允許，且要求穩定排序時，採用歸併排序。
（3）當待排序記錄個數n較大，關鍵碼分佈可能出現正序或逆序的情況，且對穩定性不作要求時，採用堆排序或歸併排序。
（4）當待排序記錄個數n較大，而只要找出最小的前幾個記錄，採用堆排序或簡單選擇排序。
（5）當待排序記錄個數n較小（如小於100）時，記錄已基本有序，且要求穩定時，採用直接插入排序。
（6）當待排序記錄個數n較小，記錄所含資料項較多，所佔儲存空間較大時，採用簡單選擇排序。

補充：
時間複雜度和空間複雜度
顧名思義，時間複雜度，就是說演算法在執行過程中所耗用的時間，而空間複雜度，則是演算法執行過程中所佔用的空間（記憶體、硬碟等等）。

在演算法中怎麼去衡量【時間複雜度】、【空間複雜度】的複雜級別呢，這裡有一個專業名詞叫大O階。
推導大O階方法：
1、用常量1取代演算法中的所有加減法操作。
2、在修改後的執行次數函式中，只保留最高階項。
3、如果最高階項存在的不是1，則去除與這個項相乘的引數。

例子

根據推導大O階方法：
1、上面執行的次數3，用常量1表示。
2、沒有最高階

例子：

在這段程式中，會執行n/2次。
根據推導大O階方法：
1、上面執行的次數n/2，不是常量。
2、最高階，X=log2n。

再如下面平方階的例子

一共迴圈 n x n 次
根據推導大O階方法：
1、上面執行的次數n x n，不是常量。
2、最高階，X=n2。

再看例子

根據推導大O階方法：
這裡要看我最後一個紅框內容，他用到了推導方法中的第三點，如果最高階項存在的不是1，則去除與這個項相乘的引數。
所以最終大O階為：O(n2)

常見時間複雜度：