Нет. Ограничения в этом алгоритме(в данной реализации точнее) в том, что если минимальный элемент в отсортированной последовательности и в неотсортированной совпадают, то алгоритм не работает

lf

у вас k<j

a = [17, 24, 91, 96, 67, -27, 79, -71, -71, 58, 48, 88, 88, -16, -78, 96, -76, 56, 92, 1, 32, -17, 36, 88, -61, -97, -37, -84, 50, 47, 94, -6, 52, -76, 93, 14, -32, 98, -65, -16, -9, -68, -20, -40, -71, 93, -91, 44, 25, 79, 97, 0, -94, 7, -47, -96, -55, -58, -78, -78, -79, 75, 44, -56, -41, 38, 16, 70, 17, -17, -24, -83, -74, -73, 11, -26, 63, -75, -19, -13, -51, -74, 21, -8, 21, -68, -66, -84, -95, 78, 69, -29, 39, 38, -55, 7, -11, -26, -62, -84]

for j in range(len(a)):
   k=a.index(min(a[:(-1-j)]))
   a[-1-j],a[k]=a[k],a[-1-j]

сохраняйте отсортированый в конце

Или искать только в неотсортированной части

a = [17, 24, 91, 96, 67, -27, 79, -71, -71, 58, 48, 88, 88, -16, -78, 96, -76, 56, 92, 1, 32, -17, 36, 88, -61, -97, -37, -84, 50, 47, 94, -6, 52, -76, 93, 14, -32, 98, -65, -16, -9, -68, -20, -40, -71, 93, -91, 44, 25, 79, 97, 0, -94, 7, -47, -96, -55, -58, -78, -78, -79, 75, 44, -56, -41, 38, 16, 70, 17, -17, -24, -83, -74, -73, 11, -26, 63, -75, -19, -13, -51, -74, 21, -8, 21, -68, -66, -84, -95, 78, 69, -29, 39, 38, -55, 7, -11, -26, -62, -84]


for j in range(len(a)):
   
   k = a[j:].index(min(a[j:])) + j
   
   a[j], a[k] = a[k], a[j]
   #print(a.index(min(a[j:])))
print(a)

Result:

[-97, -96, -95, -94, -91, -84, -84, -84, -83, -79, -78, -78, -78, -76, -76, -75, -74, -74, -73, -71, -71, -71, -68, -68, -66, -65, -62, -61, -58, -56, -55, -55, -51, -47, -41, -40, -37, -32, -29, -27, -26, -26, -24, -20, -19, -17, -17, -16, -16, -13, -11, -9, -8, -6, 0, 1, 7, 7, 11, 14, 16, 17, 17, 21, 21, 24, 25, 32, 36, 38, 38, 39, 44, 44, 47, 48, 50, 52, 56, 58, 63, 67, 69, 70, 75, 78, 79, 79, 88, 88, 88, 91, 92, 93, 93, 94, 96, 96, 97, 98]

Спасибо, большое. Откорректировать область поиска индекса вот что нужно было. Я удивился + j, странно что номера ячеек в списке выдаются не в абсолюте, а с приращением.

Так область поиска новый массив, грубо говоря с новыми индексами

Сейчас в прямом эфире первая лекция цикла - "Как эффективно проводить эксперименты: базовая структура проекта, процесс перебора гипотез, трюки для обучения нейросетей" от известного вам Романа Суворова, автора курса по NLP, ведущего инженера московского Центра ИИ Samsung.  https://www.youtube.com/playlist?list=PLJEYfuHbcEIB-DdeoWaQ6Bzt0903kbmWK

Подключайтесь)

Роман Суворова нам не известен

Сорри

Что поделаешь, скопировал текст зазывалки на трансляцию)

Навскидку самые известные это "Ледокол" и "Аквариум"

То Виктор :)

#C1W4 проверьте пожалуйста, буду благодарен!