选择排序的核心是每轮外层循环i精准定位未排序区极值下标并交换至目标位置i，内层j从i+1遍历至n，升序更新minIndex、降序更新maxIndex，循环结束后仅当极值不在i时才交换。

选择排序的核心不在“多比较”，而在“准定位”——每轮外层循环必须唯一确定一个极值的位置，并确保它被准确放到目标索引上。关键不是找得快，而是找得稳、放得对。

明确每轮的目标位置与极值方向

外层循环变量 i 不只是计数器，它直接对应本轮要固定的**目标位置**：升序时放最小值，降序时放最大值。该位置从左端开始逐轮右移。

• i = 0 → 把整个数组的极值（升序取最小，降序取最大）放到索引 0
• i = 1 → 在子数组 arr[1..n−1] 中找极值，放到索引 1
• 以此类推，直到 i = n−2（最后一轮只需比较最后两个元素）

内层扫描必须严格限定范围，避免越界或重扫

内层循环 j 的起始点必须是 i + 1，不能从 0 或 i 开始：

• 从 i 开始会重复比较已固定位置的元素，导致逻辑错误（如把已排好的最小值又拉回来）
• 从 0 开始则完全失去“未排序区”概念，变成无效遍历
• 终点始终为 n（C/Python 数组长度），不是 n−1 —— 因为 j 是用于比较的下标，需覆盖最后一个元素

极值索引的更新必须原子化且可验证

不能只记数值，必须记录下标 minIndex 或 maxIndex。初始化为 i，再在 j 循环中动态更新：

• 升序：if arr[j]
• 降序：if arr[j] > arr[maxIndex] → maxIndex = j
• 更新后不立即交换，等内层循环彻底结束再统一处理，避免中间状态干扰后续比较

交换前务必判断是否真需交换

若极值本就在目标位置（即 minIndex == i 或 maxIndex == i），跳过交换：

• 节省无谓赋值，提升缓存友好性
• 保持相同元素的相对顺序（稳定性的间接体现，虽选择排序本身不稳定）
• 避免对单元素子数组做无效操作（如 i = n−2 且只剩两个数时，若较大者已在左侧，不交换即完成）