排序視覺化最容易看錯的，不是動畫漂不漂亮，而是兩個值一樣時，誰可以搶到前面。穩定排序要求：鍵值相同的元素，排完後仍保持輸入時的相對順序。不穩定排序允許它們對調。這個差別在學作業裡常被當選擇題，在真實資料裡則出現在「先依分數排、再依姓名排」這種多鍵排序。本文對準怎麼用動畫讀穩定與複雜度，不把六種演算法逐步偽代碼重抄一遍。
穩定到底在保護什麼
假設名單是 (5, 甲)、(5, 乙)、(3, 丙)，只依數字排。穩定的結果必須是甲仍在乙前面，因為兩人分數相同、輸入時甲較早。不穩定的演算法可能變成乙在甲前面，數字上看都排對了，次要資訊卻丟了。
為什麼有人在乎：你先用穩定排序依「班級」排，再用穩定排序依「成績」排，成績相同的人仍會留在原班級相對位置。若第二趟用不穩定排序，班級這個次要鍵可能被打亂，看起來像程式寫錯。
姓名筆畫排序爭的是漢字怎麼數；這裡爭的是相同鍵不要被演算法偷偷交換。兩者都是「順序一旦被定義，就不要無聲改寫」。
視覺化時，建議把兩個相同高度的柱子當成甲與乙：看交換發生時，相同高度有沒有對調。若動畫只著色「正在比較／正在交換」，沒有標出相同鍵，就很難看出穩定性，這時要靠定義而不是靠感覺。
六種常見演算法，先記穩定性再記大 O
線上視覺化常見這幾種（與多數教材一致）：
- 冒泡、插入、合併：穩定。交換或搬移時，不會無故讓相同鍵越過彼此。
- 選擇、快速、堆積：通常不穩定。選擇會把最小值一路換到前面，可能跨過相同鍵；快速排序的分割也常把相等元素分到樞紐兩側而不保留原順序。
時間複雜度是另一條軸，不要和穩定混成一句話：
- 冒泡、選擇、插入：平均約 O(n2)。n 變大時，比較與交換次數成長很快。
- 快速：平均約 O(n log n)，最壞可到 O(n2)，例如資料已經有序且樞紐總選到極端值。
- 合併、堆積：平均與最壞都可維持 O(n log n)。合併需要額外約 O(n) 空間；堆積可較省空間，但不穩定。
大 O 描述的是成長趨勢，不是「n＝1000 就一定跑 100 萬次」的精準計數。視覺化用幾十根柱子，O(n2) 與 O(n log n) 的差距還不明顯；把 n 想到上千、上萬，差異才變成作業與系統裡真正痛的地方。
插入排序有一個實務例外：資料幾乎已經有序時，它往往接近線性，常數也小。這也是許多語言標準函式庫在小區段或近乎有序時，會摻進插入排序的原因。實際用了哪一種混合策略，以該語言當前文件為準，不要把某一版引擎實作當成永恆標準。
看動畫時建議盯的三件事
- 比較對：兩根柱子亮起來，代表正在問誰較大，還不一定交換。
- 交換或搬移：位置真的改了。穩定與否，發生在這一步。
- 已定位區間：冒泡常把最大值沉到右端；快速排序會出現樞紐左邊都較小、右邊都較大的分界。看懂「這一區以後不會再動」，比看完整首歌式的閃爍有用。
快速排序最壞退化時，視覺上會變成一直切出很歪的兩邊，遞迴層數變深，柱子幾乎沒在減半。這時對照「為什麼還有人用快速排序」：平均情況切得夠均勻、記憶體存取也較連續，實務上常常仍很快；但若你需要最壞情況也保證 O(n log n)，合併或堆積比較好講清楚。
合併排序的代價是額外陣列。動畫若顯示左右兩段再寫回，那就是空間換時間與穩定性。分帳要減少轉帳次數，想的是另一種組合壓縮；排序穩定則是在許可的交換集合裡，拒絕打亂相同鍵。都是「正確結果可以有很多，選哪一種副作用」。
選演算法時的短清單
- 只要數字對、不在乎相同鍵：多數情況快速排序或標準函式庫就夠。
- 必須保留相同鍵原順序、或要做多鍵排序：選穩定者，合併或插入較直覺。
- 記憶體很緊、又要最壞 O(n log n)：堆積是教材上的常客，但實務常數與快取行為未必贏快速。
- n 很小或幾乎有序：先懷疑插入，不要無腦上分治。
- 作業要你「手寫並分析」：用視覺化對照比較次數與交換次數，比只背表格不容易寫反。
把表格資料轉成 JSON 之後再排序，穩定與否會影響同一分數的列誰先出現。鍵值設計與排序選擇要一起想，而不是先亂排再怪匯出。
結語
穩定排序保護的是相同鍵的輸入順序，時間複雜度保護的是 n 變大以後還能不能等得完。看視覺化時，先認比較與交換，再問相同高度有沒有被換位，最後才把大 O 對回這次資料規不規則。表格能背，動畫能對，作業裡的「為什麼選這個」才寫得出理由。