LakeForest

import pandas as pd
#создаю такую же таблицу как у тебя
df = pd.DataFrame({
    'Дата':['23-01-01','23-01-01','24-01-01','24-01-01'],
    'Часы':['10:00','11:00','10:00','11:00'],
    'Процент':[10.2,11.2,22.2,42.2],
    'Опрошенных':[20,27,40,12]
})
#само решение
reshaped_df = df.pivot(index=['Дата'],columns='Часы',values=['Процент','Опрошенных'])\
    .swaplevel(axis=1).T.reset_index()\
    .pivot(index='Часы',columns='level_1')
reshaped_df.columns.names = ['Дата',None]
print(reshaped_df)

Ну в общем вот сделал такую же таблицу как у тебя в желаемом результате, решение работает, но конечно возможно наверное чуть по короче, задачка то переформатировать именно вот таким замудренным образом (не могу представить зачем с ней же неудобно работать) отнюдь не самая простая. Но сделал.

Да у тебя порядок [процент, опрошенных, процент, опрошенных] а у меня [опрошенных, процент, опрошенных, процент] на данные сами числа естественно полностью совпадают. Если это играет какую-то роль то столбцовые мульти-индексы сам подправишь. А в остальном полная копия твоей таблицы.

re.sub(r'(?<=[^\d\s])(?=\d)|(?<=\d)(?=[^\d\s])', ' ', text)

\d{1,2} час(?:а|ов)? \d{1,2} минут(?:а|ы)?

Где то не вызываешь Method через await.
А вообще если хочешь возвращать время выполнения запроса, юзай мидлтварь.

@api.middleware("http")
async def add_process_time_header(request: Request, call_next: Callable):
    start_time = time.time()
    response = await call_next(request)
    process_time = time.time() - start_time
    response.headers["X-Process-Time"] = str(process_time)
    return response

Будет тебе в заголовке писать время работы.

Нужно реализовать собственный json.JSONEncoder с переопределением метода encode, который будет определять передаваемый объект, и, если он является объектом класса ServiceTTS, сериализовать данные этого объекта в простейший тип. Собственную реализацию json.JSONEncoder'а нужно указать в настройках Celery задачи; ровно так же, как собственно-реализованный json.JSONDecoder, который получит на вход простейшие данные и превратит их в объект класса ServiceTTS.

Но если Вы встали перед необходимостью "передать собственный объект через Celery", значит в вашей архитектуре что-то не так. И я предлагаю Вам не прибегать к реализации энкодера и декодера и подготавливать данные до постановки задачи в Celery.

re.sub(r'(\d+\.\d+\.\d+)|\.', r'\1', "по состоянию на 1862 год . 17.02.2000")

r w x | - - - | - - -
4+2+1 | 0+0+0 | 0+0+0
    7       0       0

r w x | r - x | r - x
4+2+1 | 4+0+1 | 4+0+1
    7       5       5

https://chmod-calculator.com/

Потому-что брокеры сообщений не сильно хороши в таком. В целом такое можно сделать (предварительно настроив брокер), но производительность системы упадёт на столько, что следующим Вашим вопросом будет: "Почему так тормозит". От брокеров обычно ждут минимальный отклик, поэтому стараются сократить сообщения до минимально возможного.

А вот если заглянуть в документацию...

Day full capitalized day name (blank-padded to 9 chars)

Действительно непонятно, почему же так срабатывает сравнение двух разных строк
'monday' = 'monday '

Что попросили у to_char - то вполне ожидаемо и получили. При том, в чём вообще смысл получать название дня недели, а не его номер? А вдруг Day окажется locale-specific штукой?

1. При использовании транзакции, в сентри попадет информация о времени исполнения части кода и операции от открытия этой транзакции до закрытия. Но операция может состоять из множества "тяжелых" секций кода, каждую из которых можно замерить отдельно в рамках транзакции, создав span. Т.е. транзакция может включать несколько span как дочерние операции для детализации происходящего процесса. К примеру, в транзакции "запрос на получение данных" длительностью 15 мс. может иметь span "запрос в БД" с длительностью 5 мс.
   
2. Воспользуйтесь первыми двумя примерами - создавайте транзакцию перед вызовом обработки каждого из запросов (1ый пример) и добавляйте к транзакции span'ы по необходимости(2ой пример). Если у вашего сервиса одна точка входа - grpc, то у вас всегда ситуация определена. Входящие запросы гарантировано создадут транзакцию, которую будет использовать весь остальной код.
   
3. Да, если если dsn указан корректно.
   

Не забудьте понизить traces_sample_rate для продакшена, чтобы это не сказалось на производительности сервиса.

Ограничивать число дочерних процессов

max_child_processes = 100
child_processes = []
for i, row in df.iterrows():
    while len(child_processes ) >= max_child_processes:
        sleep(0.1)
        child_processes = [p for p in child_processes if p.poll() is None]
    path = row.path
    subp = subprocess.Popen(f"echo {password} | sudo -S ./recog_wav.sh {path}",
                    stdin=subprocess.PIPE, stdout=subprocess.PIPE, shell=True)
    child_processes.appen(subp)

Уточните нужные для вас условия работы.
Расписание и наличие овертаймов.
Кто принимает решение о размере ЗП и есть ли регулярные пересмотры. Бывают ли задержки, привязана ли ЗП к курсу валюты
Как определяется прохождение испытательного срока.
Будет ли выделен индивидуальный ментор.
Есть ли какие-то бонусы в компании кроме ЗП (страховки, бесплатные курсы английского), командировки.

А так - присматривайтесь к людям на техническом собеседовании, возможно один из них ваш тимлид, а другой будущий ментор.

Все, что хотите узнать. Собеседование - это взаимная оценка двух сторон - в которой каждая сторона решает, подойдет ли ей другая. Поэтому спрашивайте все, что интересно - белая ли зп, какой график работы, бывают ли переработки, как с отпусками, больничными и необходимостью внезапно отпроситься, есть ли удаленка, как и по каим дням выдается зп, какой банк зарплатный (будет зарплатным банк #опа Мира Ltd. и будете мотыляться к единственному банкомату в городе), как с дисциплиной и контролем за юзерами (а то может быть, Вы категорически не приемлете СМП)...

Платят ли за переработки