用python编写一个计数排序算法，对含有1到1000个随机数据的数组进行排序，算法对每个数组测100次运行时间取平均值，绘制运行数据量与运行时间的关系图

好的，下面是用 Python 编写的计数排序算法，并且绘制了运行数据量与运行时间的关系图：

import random
import time
import matplotlib.pyplot as plt

def counting_sort(arr):
    # 确定计数数组的大小
    max_element = max(arr)
    count_arr = [0] * (max_element + 1)

    # 计算每个元素出现的次数
    for element in arr:
        count_arr[element] += 1

    # 计算每个元素在排序结果中的位置
    for i in range(1, max_element + 1):
        count_arr[i] += count_arr[i - 1]

    # 根据计数数组，将元素排序到新数组中
    sorted_arr = [0] * len(arr)
    for element in arr:
        sorted_arr[count_arr[element] - 1] = element
        count_arr[element] -= 1

    return sorted_arr

# 生成随机数据
data_sizes = list(range(1, 1001))
data = [random.randint(1, 1000) for i in range(1000)]

# 对数据进行 100 次排序，并统计时间
avg_times = []
for size in data_sizes:
    total_time = 0
    for i in range(100):
        start_time = time.time()
        counting_sort(data[:size])
        end_time = time.time()
        total_time += (end_time - start_time)
    avg_time = total_time / 100
    avg_times.append(avg_time)
    print(f"排序数据量为{size}，平均用时{avg_time:.6f}秒")

# 绘制运行数据量与运行时间的关系图
plt.plot(data_sizes, avg_times)
plt.title("Counting Sort")
plt.xlabel("Data Size")
plt.ylabel("Time (s)")
plt.show()

代码中，我们首先利用`random`模块生成了含有 1 到 1000 个随机数据的数组，然后对数组进行了 100 次计数排序，每次排序的数据量从 1 逐渐增加到 1000，并统计了每次排序所用的时间，最后计算出了每个数据量下的平均用时，并绘制了运行数据量与运行时间的关系图。

需要注意的是，由于计数排序算法的时间复杂度较低，因此程序可以在较短的时间内完成。在本例中，我们最多只对 1000 个数据进行排序，因此程序也可以在较短的时间内完成。