コムソート（Comb Sort）で出てくる"1.3"について実験

import random  # ソートするリストの生成・ランダム化のために利用
import time  # 時間測定用
import pandas as pd  # 測定データ保存用
import seaborn as sns  # データ可視化用


def get_new_gap(old_gap: int, shrink_factor: float) -> int:
    """shrink factorを指定してgapを更新していくための関数。新しいgapを返す。

    Args:
        old_gap (int): 更新元のgap
        shrink_factor (float): gapをどの速さで小さくしていくのかを決めるパラメータ

    Returns:
        int: 更新されたgap
    """
    new_gap = int(old_gap / shrink_factor)
    if new_gap < 1:
        new_gap = 1
    return new_gap

def comb_sort(numbers: list, shrink_factor: float) -> list:
    """コムソートをする関数

    Args:
        numbers (list): ソートしたい数の入ったリスト
        shrink_factor (float): コムソートのgapを更新する速さを決めるパラメータ。1.3が良いらしい。

    Returns:
        list: ソートされたリスト
    """
    length = len(numbers)
    gap = length
    is_swapped = True
    while gap != 1 or is_swapped:  # gapが1かつis_swappedがFalseになるまで実行
        is_swapped = False
        for i in range(0, length - gap):
            if numbers[i] > numbers[i + gap]:
                numbers[i], numbers[i + gap] = numbers[i + gap], numbers[i]
                is_swapped = True
        gap = get_new_gap(old_gap=gap, shrink_factor=shrink_factor)
    return numbers

measurement_reult = pd.DataFrame(columns=['run', 'shrink_factor', 'time [ms]'])
random.seed(0)
shrink_factors = [(101 + 1 * i) / 100 for i in range(100)]  # shrink_factorは1.01～2で0.01刻み
random.shuffle(shrink_factors)  # 実行順序による影響をなくすためにshrink_factorsをシャッフルする。

for run in range(1, 6):  # 何らかの外部要因で変な結果出ると嫌なのでとりあえず5回実行させてみる。
    for shrink_factor in shrink_factors:
        # 各shrink_factorに対して、長さ1000のリスト*100をソートする時間の合計を求める。
        start = time.perf_counter()
        for j in range(100):
            random.seed(j)
            list_to_sort = [random.randint(0, 1000) for k in range(1000)]
            comb_sort(numbers=list_to_sort, shrink_factor=shrink_factor)
        end = time.perf_counter()
        time_from_start_to_end = end - start  # 合計実行時間
        measurement_reult = measurement_reult.append({'run': run,'shrink_factor': shrink_factor, 'time [ms]': time_from_start_to_end},
                                                     ignore_index=True)  # データフレームに測定結果追加

measurement_reult

sns.lineplot(x='shrink_factor', y='time [ms]', hue='run', data=measurement_reult)

med_measurement_result =  measurement_reult.groupby(['shrink_factor'], as_index=False).median()[['shrink_factor', 'time [ms]']]  # 中央値を出す
med_measurement_result

sns.lineplot(x='shrink_factor', y='time [ms]', data=med_measurement_result)