以長條圖逐步播放 7 種代表性的排序演算法，顯示每一步比較陣列中的哪些元素、改寫了哪個位置。可以改變資料個數與初始排列（隨機、幾乎已排序、反序、重複值多），確認比較次數與寫入次數如何變化。對於練習逐行追蹤排序程式也很有幫助，例如日本基本資訊技術士考試（科目 B）等資訊類證照考試中的程式追蹤題。
收藏與最近使用的工具只儲存在這個瀏覽器（localStorage）中。
比較中 寫入 位置已確定
以下是用 7 種演算法排序與上方相同資料時的次數。改變資料個數或初始排列，哪一種較有利也會隨之改變。
| 演算法 | 比較次數 | 寫入次數 | 時間複雜度（平均／最差） | 穩定 |
|---|
一次交換計為 2 次寫入。快速排序以最後一個元素為基準值（樞紐，pivot）（Lomuto 分割法），希爾排序使用 1、4、13、40……的間隔序列，次數會因實作而不同。資料個數在 20 以下時，會在長條下方顯示數值。
其他輸入維持目前的值，只讓選擇的輸入在目前值的 1/4 到 4 倍之間變化時的結果。紅點是目前的值。
泡沫排序反覆比較相鄰的兩個元素，把較大者往後移，每走完一輪，最大值就會在末端確定。選擇排序從剩餘元素中找出最小值並與前端交換，因此比較次數固定為 n(n−1)/2 次，但交換最多只有 n−1 次。插入排序是把下一個值插入已排序部分的正確位置，對於幾乎已排序的資料，比較次數只需約 n 次。這 3 種的平均時間複雜度都是 O(n²)，資料一多就會急遽變慢。將資料個數設為 64，切換「隨機」與「幾乎已排序」，可以看到插入排序，以及在一輪中沒有交換即結束的泡沫排序，比較次數大幅減少，而選擇排序維持 2016 次不變。
合併排序將陣列分成兩半各自排序，再從前端比較兩段已排序的序列，合併（merge）成一段。分割的層數為 log₂ n 層，每層的工作量與 n 成正比，因此對任何資料都是 O(n log n)，但需要 n 個元素份的額外記憶體。快速排序把小於基準值（樞紐）的元素放到前面、大於的放到後面，再對各部分繼續分割。平均為 O(n log n)，實務上也很快；但若資料已排序又以端點元素為樞紐，分割會嚴重失衡，退化為 O(n²)。將初始排列設為「反序」並選擇快速排序，可以看到比較次數接近 n(n−1)/2。實際的函式庫會採取對策，例如以 3 個值的中位數為樞紐，或在分割失衡時改用堆積排序（內省排序，introsort）。
堆積排序在陣列中建立滿足「父節點大於子節點」條件的二元樹（二元堆積），然後反覆將根部的最大值與末端交換，並把堆積縮小 1。陣列第 i 個元素的子節點是第 2i+1 與第 2i+2 個元素。即使在最差情況下也是 O(n log n)，且不需要額外的記憶體，但因為會比較相距很遠的元素，快取效率不佳。希爾排序對間隔一定距離的元素進行插入排序，並逐步縮小間隔。先把遠處的元素大幅移動，就能減少最後一般插入排序的工作量。
排序後，值（鍵）相同的元素仍保持原本先後順序的排序，稱為穩定排序。例如把員工依部門排序時，同一部門內仍維持員工編號的順序，就是這種性質。泡沫排序、插入排序、合併排序是穩定的，而選擇排序、快速排序、堆積排序、希爾排序一般不穩定。O(n²) 或 O(n log n) 等時間複雜度，表示資料個數 n 變大時次數的增加方式。當 n = 1000 時，n² 為 100 萬，n log₂ n 約為 1 萬，因此資料量大時 O(n log n) 的演算法壓倒性地有利。已知僅靠比較來排序的方法，在最差情況下不可能比 O(n log n) 更快。
正確答案：B. 3, 5, 1, 4, 8
交換5與3得到 3, 5, 8, 1, 4；5與8不變；交換8與1得到 3, 5, 1, 8, 4；交換8與4得到 3, 5, 1, 4, 8。1輪就把最大值8送到末尾並確定其位置，下一輪再以相同方式排列其餘4個元素。1, 3, 8, 5, 4 是找出最小值並與開頭交換的選擇排序進行1輪後的陣列，1, 3, 4, 5, 8 則是全部排序完成的結果。
正確答案：A. 10, 13, 14, 37, 29
第1次把整體最小值10與開頭的29交換，得到 10, 29, 14, 37, 13。第2次把第2個以後的最小值13與第2個的29交換，得到 10, 13, 14, 37, 29。選擇排序的比較次數固定為 n(n−1)/2 次，但每次操作最多只交換1次，因此對寫入成本高的資料有時較有利。10, 14, 29, 37, 13 是插入排序插入2個元素後的陣列，10, 14, 13, 29, 37 則是泡沫排序進行2輪後的陣列。
正確答案：C. 9次與45次
若已是升冪，取出的值只要與左側相鄰元素比較1次就能決定位置，9個元素合計9次。若是降冪，第 i 個取出的值要與左側全部 i 個元素比較，合計 1 + 2 + … + 9 = 45次。由此可見插入排序最佳為 O(n)、最差為 O(n²)，會隨輸入大幅改變，對幾乎已排序的資料非常快。利用這個性質，先對間隔一定距離的元素進行插入排序的就是希爾排序，Timsort 等也會在短區間使用插入排序。
正確答案：A. B, D, A, C
在穩定排序中，鍵（這裡是分數）相同的元素之間，會維持排序前的順序。70分的 B 與 D 依原順序為 B、D，80分的 A 與 C 依原順序為 A、C，因此結果為 B, D, A, C。穩定的排序有泡沫排序、插入排序、合併排序，而選擇排序、快速排序、堆積排序一般不穩定。使用穩定排序，就能做到先依姓名排序、再依分數重新排序這類以多個鍵進行的排序。
正確答案：B. 7次
依序比較1與2、4與2、4與3、4與8、7與8、9與8、9與10，此時第一個序列已空，剩下的10不比較直接輸出。比較共7次，相當於合併長度 m 與 n 的序列時的最多次數 m + n − 1 = 7。合併只需把已排序的序列從開頭各看一次，為 O(m + n)，合併排序重複 log₂ n 層，因此整體為 O(n log n)。
取決於資料。一般資料多半是快速排序較快；若希望最差情況也保證 O(n log n)，可用合併排序或堆積排序；資料幾乎已排序或數量很少時，適合插入排序。實際程式語言的標準函式庫，使用的是結合這些方法的混合排序（內省排序或 Timsort）。
比較次數是檢查兩個元素大小的次數。寫入次數是改寫陣列元素的次數，一次交換計為 2 次。比較成本高的資料（如長字串）以比較次數、寫入成本高的儲存裝置（如快閃記憶體）以寫入次數，對實際速度影響較大。
在日本的基本資訊技術士考試、應用資訊技術士考試等資訊類證照考試中，常見的題型有：填寫排序程式的空格、回答某個時間點的陣列狀態、選出時間複雜度或穩定性。使用本工具的「前進一步」，把陣列的變化與自己的預測相對照，可以練習追蹤。
O(n²) 的演算法在資料加倍時，次數約變為 4 倍。O(n log n) 的演算法則約為 2 倍多一點。將資料個數依序設為 16、32、64，查看相同資料下的比較表即可確認。