冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、基数排序、堆排序、计数排序和桶排序是C语言中十大经典排序算法，它们在时间复杂度和空间复杂度上各有特点，适用于不同的场景。

冒泡排序

• 时间复杂度：O(n²)
• 空间复杂度：O(1)
• 特点：通过相邻元素比较和交换，将最小（或最大）元素逐步移动到序列的一端。
• 适用场景：数据规模较小或基本有序的序列。

选择排序

• 时间复杂度：O(n²)
• 空间复杂度：O(1)
• 特点：每次从未排序的序列中找到最小（或最大）元素，然后放到已排序序列的末尾。
• 适用场景：数据规模较小，且对稳定性要求不高的场景。

插入排序

• 时间复杂度：O(n²)
• 空间复杂度：O(1)
• 特点：通过构建有序序列，将未排序数据按顺序插入到已排序序列中。
• 适用场景：数据规模较小或基本有序的序列。

希尔排序

• 时间复杂度：O(n log²n)
• 空间复杂度：O(1)
• 特点：基于插入排序的改进，通过分组进行间隔排序，逐步减少间隔。
• 适用场景：中等规模的数据序列。

归并排序

• 时间复杂度：O(n log n)
• 空间复杂度：O(n)
• 特点：采用分治策略，将序列分成两半分别排序，再合并成一个有序序列。
• 适用场景：大规模数据排序，需要额外空间。

快速排序

• 时间复杂度：O(n log n)
• 空间复杂度：O(log n)
• 特点：通过基准值将序列分为两部分，递归地对这两部分进行排序。
• 适用场景：大规模数据排序，对空间复杂度要求较低。

基数排序

• 时间复杂度：O(nk)
• 空间复杂度：O(n + k)
• 特点：根据元素每一位的值进行排序，适用于非负整数。
• 适用场景：需要排序的数据范围较小，且数值分布均匀。

堆排序

• 时间复杂度：O(n log n)
• 空间复杂度：O(1)
• 特点：利用堆这种数据结构，将最大（或最小）元素逐步移动到序列的一端。
• 适用场景：数据规模较大，且对空间复杂度要求较高的场景。

计数排序

• 时间复杂度：O(n + k)
• 空间复杂度：O(n + k)
• 特点：通过对每个元素出现的次数进行计数，然后根据计数结果排序。
• 适用场景：数据范围较小，且分布均匀。

桶排序

• 时间复杂度：O(n + k)
• 空间复杂度：O(n + k)
• 特点：将数据分到有限数量的桶中，然后对每个桶进行排序。
• 适用场景：数据范围较小，且分布均匀。

总结

不同的排序算法适用于不同的场景。对于小规模数据，冒泡排序、选择排序和插入排序较为简单；对于中等规模数据，希尔排序是一个不错的选择；而对于大规模数据，归并排序、快速排序和堆排序效率更高。基数排序、计数排序和桶排序在特定条件下也具有优势。