北陌大叔坦白说，排序算法学了这么多年，真正能在日常开发里随口说清实现细节的，反而往往是那几个“看着简单”的算法。选择排序和计数排序就是两个很有意思的代表：一个靠朴素的“每轮挑最小”走天下，一个靠“数清楚每个值出现了多少次”另辟蹊径。前者我经常拿来给新人讲“原地理清思路”，后者则是我在遇到特定范围数据时真正会考虑用到的工程方案。
这篇东西就基于我实际的调试过程来写，不做教科书式的罗列。我会把选择排序和计数排序的思路、写法、复杂度、稳定性、常用坑全部交代一遍，并用真实代码走通整个流程。适合刚学排序、准备面试复习，或者工作中突然想找一个“不用动脑的稳定排序方案”的同学。如果你能跟着代码敲一遍，收获会比只看一遍大很多。
1. 两种排序算法到底在解决什么问题
排序这件事，本质上是在回答“如何将一组元素按照某个规则重新排列”。选择排序和计数排序解决的问题是一样的，但思考角度完全不同：一个站在“位置”上看问题，一个站在“值”上看问题。
1.1 选择排序的思路是先锁定位置再找元素
玩过扑克牌理牌的朋友应该都有手感：把最小的一张牌放到最左边，然后从剩下的牌里再找最小的放到第二位，如此反复。选择排序就是这么干的。
选择排序的核心思想非常直白：先找到全数组最小的元素，把它和下标 0 的位置交换；再从下标 1 开始的区间里找最小元素，和下标 1 的位置交换；继续下去，直到整个数组有序。
这个过程中间没有“插入”和“腾位置”这种动作，只有两个步骤在循环：扫描区间找最小值，然后把最小值放到目标位置。所以每轮确认的只是位置，至于区间内其他元素的相对顺序如何被打乱，它其实完全不关心。
这个思路有个性格特点：它的交换次数非常少，每一轮最多只做一次交换。就算数组完全逆序，它也照样一轮只换一次。这一特点在数据元素本身很“重”的时候是有价值的，因为频繁交换大对象往往比比较更昂贵。
1.2 计数排序的思路是先数清楚每个值再铺回去
与选择排序逐个比较不同，计数排序试图绕开“比较”这种操作。它的出发点是：如果我就是知道每个数出现过多少次，那直接按从小到大的顺序把这些数铺回去不就行了吗？
比如数组 [2, 1, 2, 3, 1, 0]，值范围是 0 到 3。先数一数：0 出现 1 次，1 出现 2 次，2 出现 2 次，3 出现 1 次。这时候已经能还原出排好序的结果了：[0, 1, 1, 2, 2, 3]。整个过程中没做过任何一次元素之间的比较，靠的是一个“计数数组”。
但请注意，这种思路有一个明显的适用前提：数据必须是非负整数或可以被映射成非负整数，且取值范围不能过分散。计数排序的时间复杂度取决于数据范围 k，范围太大时它反而不划算。
1.3 两种思路的差异与应用场景
如果把排序算法按“是否基于比较”分类，选择排序属于典型的比较排序，计数排序则属于非比较排序。这个差异直接决定了它们的性能特征：
| 观察维度 | 选择排序 | 计数排序 |
|---|---|---|
| 基本策略 | 每轮找最小并交换 | 统计频次后重建序列 |
| 时间复杂度 | O(n²) | O(n + k)，k 为数据范围 |
| 空间复杂度 | O(1)，原地排序 | O(k)，需要额外计数数组 |
| 稳定性 | 不稳定 | 可稳定 |
| 适用数据 | 无限制 | 整数且范围适中 |
有没有发现，计数排序在某些场景下是可能做到 O(n) 级别时间的。这正是它迷人的地方：当一个问题的数据范围很集中时，理论上你是可以跑赢那些 O(n log n) 的“高级算法”的。但在数据范围非常稀疏的场景下，比如一亿个数里只有 0 和 99999999 两个值，k 就会大到离谱，计数排序瞬间变得不划算了。
理解选择排序和计数排序之间的这种互补关系，是我个人觉得排序入门阶段最重要的一件事。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 选择排序的完整拆解与实操实现
2.1 从思路到代码：如何一步一步写出正确的实现
选择排序的代码结构是一个双重循环，外层循环控制“我们要把位置 i 放上什么值”，内层循环负责“从 i 到末尾找最小值所在下标”。
下面我用 Python 写一个最基础版，这个版本是我平时给同事讲思路时用的：
python复制def selection_sort(arr):
n = len(arr)
for i in range(n - 1):
min_index = i
for j in range(i + 1, n):
if arr[j] < arr[min_index]:
min_index = j
if min_index != i:
arr[i], arr[min_index] = arr[min_index], arr[i]
return arr
这里有个细节容易被忽略：外层循环只走到 n - 1。最后一个元素其实不需要再处理了，因为当前面 n-1 个位置都已经放上了正确元素时，剩下的那一个位置自然也就是正确的。
内层循环从 i + 1 开始找最小值