用python编辑分别应用随机选择主元方法和分组中位数方法实现在n个元素中选择第k小的数的功能，并尝试每组有不同的数，如5,7,9等，比较运行结果和时间。

好的，下面是随机选择主元方法和分组中位数方法的Python实现：

import random

# 随机选择主元方法
def randomized_select(nums, k):
    if len(nums) == 1:
        return nums[0]
    pivot = random.choice(nums)
    left = [x for x in nums if x < pivot]
    right = [x for x in nums if x > pivot]
    if k <= len(left):
        return randomized_select(left, k)
    elif k == len(left) + 1:
        return pivot
    else:
        return randomized_select(right, k - len(left) - 1)

# 分组中位数方法
def group_median_select(nums, k):
    if len(nums) <= 5:
        nums.sort()
        return nums[k-1]
    groups = [nums[i:i+5] for i in range(0, len(nums), 5)]
    medians = [group_median_select(group, len(group) // 2) for group in groups]
    pivot = group_median_select(medians, len(medians) // 2 + 1)
    left = [x for x in nums if x < pivot]
    right = [x for x in nums if x > pivot]
    if k <= len(left):
        return group_median_select(left, k)
    elif k == len(left) + 1:
        return pivot
    else:
        return group_median_select(right, k - len(left) - 1)

# 测试
nums = [5, 7, 9, 3, 1, 2, 8, 6, 4]
k = 5
print(randomized_select(nums, k))
print(group_median_select(nums, k))

这里我们使用了Python内置的`random.choice()`函数来随机选择主元。分组中位数方法则将数据分成了若干个组，每个组内部排序后选择中位数来作为主元。

对于不同的数据，两种方法的效率会有所不同。一般来说，随机选择主元方法的平均时间复杂度为$O(n)$，最坏情况下为$O(n^2)$；分组中位数方法的平均时间复杂度为$O(n)$，最坏情况下为$O(n \log n)$。

在实际测试中，我们可以使用Python内置的`time`模块来比较运行时间：

import time

nums = [5, 7, 9, 3, 1, 2, 8, 6, 4]
k = 5

start = time.time()
print(randomized_select(nums, k))
end = time.time()
print("随机选择主元方法用时：", end - start)

start = time.time()
print(group_median_select(nums, k))
end = time.time()
print("分组中位数方法用时：", end - start)

由于随机选择主元方法的时间复杂度较为稳定，因此两种方法的运行时间相差不大。但在数据规模较大时，分组中位数方法的效率会更高。