计算机排序的方法主要分为内排序和外排序两种。
内排序
冒泡排序：这是最简单的排序算法之一，通过重复遍历要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。时间复杂度为O（n^2），空间复杂度为O（1）。适用于数据量不大且顺序基本已经排列好的情况。
选择排序：每次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，直到全部待排序的数据元素排完。时间复杂度为O（n^2），空间复杂度为O（1）。适用于数据量较小且对性能要求不高的场景。
插入排序：将待排序的数据元素按大小顺序逐个插入到已经有序的序列中。时间复杂度为O（n^2），空间复杂度为O（1）。适用于数据量较小且对性能要求不高的场景。
希尔排序：是插入排序的一种优化版本，通过将待排序序列分成若干个子序列，分别进行插入排序，然后逐步减少子序列的数量，最终使整个序列有序。时间复杂度为O（n^1.5）至O（n^2），空间复杂度为O（1）。适用于数据量中等的情况。
归并排序：采用分治法的思想，将待排序序列分成若干个子序列，分别进行排序，然后将有序的子序列合并成一个有序序列。时间复杂度为O（n*log（n）），空间复杂度为O（n）。适用于数据量较大的情况。
快速排序：采用分治法的思想，通过选择一个基准元素，将待排序序列分成两部分，一部分比基准元素小，另一部分比基准元素大，然后分别对这两部分进行快速排序。时间复杂度为O（n*log（n）），空间复杂度为O（log（n））。适用于数据量较大的情况。
堆排序：利用堆这种数据结构所设计的一种排序算法。堆是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。时间复杂度为O（n*log（n）），空间复杂度为O（1）。适用于数据量较大的情况。
计数排序：通过统计每个元素出现的次数，然后根据每个元素出现的次数重新构造有序序列。时间复杂度为O（n+k），空间复杂度为O（n+k），其中k为待排序数据范围的大小。适用于数据范围较小且数据分布均匀的情况。
桶排序：将待排序数据分成若干个桶，每个桶内使用其他排序算法进行排序（如插入排序），然后按顺序将各个桶中的数据合并。时间复杂度为O（n+k），空间复杂度为O（n+k）。适用于数据分布均匀且数据范围较小的情况。
外排序
当待排序的数据量太大，无法一次性装入内存时，可以使用外部排序。外部排序通常将数据分成多个部分，分别进行排序，然后通过归并操作将这些有序的部分合并成一个完整的有序序列。具体步骤包括：
1. 将数据分成尽可能长的初始顺串。
2. 将这些顺串逐个合并，最终形成一个完整的有序文件。
建议
选择合适的排序算法：根据数据量的大小、数据分布的特点以及对性能的要求，选择最合适的排序算法。
优化数据结构：在某些情况下，可以通过优化数据结构（如使用堆、哈希表等）来提高排序效率。
考虑使用现有工具：对于简单的排序任务，可以使用电子表格软件（如Microsoft Excel、Google Sheets）或编程语言（如Python）中的内置排序函数，这些工具通常已经经过了优化，使用起来更加方便。