Максим Припадчев

Вы имеете ввиду сколько перестановок возможно без замены то есть если я использовал например 8 то все я не могу использовать 8 снова. Логика следующая у вас есть 4 позиции _,_,_,_ на первую вы можете сколько вариантов подставить вы имеете на выбор 5, 6, 7, 8 то есть 4. Вы имеете 4,_,_,_. Теперь выбираете из 3 чисел. 4,3,_,_ и по той же логике получаете 4*3*2*1.

Сначала собираете все датафреймы в отдельный лист, затем конкатенируете и все. По вашему коду должно быть как то так. Протестировать то код я не могу возможно где то опечатки. Собираете фреймы в лист в цикле, а затем за пределами цикла конкатенируете в общий фрейм и вне цикла записываете в файл.

import io
import pandas as pd


excel_file = io.BytesIO()
excel_file.name = "table_excel.xlsx"
all_frames = []
for history in ads:
    item_title = history.get("item_title")
    item_price = history.get("item_price")
    current_df = pd.DataFrame(
        {
            "Имя": [item_title],
            "Цена": [item_price],
        }
    )
    all_frames.append(currend_df)
final_df = pd.concat(all_frames, ignore_index=True)

final_df.to_excel(excel_file, encoding="utf-8", index=False)

где у вас print(a) вставьте вот этот код, вы выводите на печать длину массива, а нужно суммировать длины строк каждого элемента массива.
print(sum(len(i) for i in a))

Потому что точка (1/e, f(1/e)), это критическая точка. Критическая точкой называется точки где функция либо не дифференцируема, либо производная функции равна нулю.
Соответственно наша функция, y = x^x, ее производная будет x^x*(ln(x) + 1). далее приравниваем производную к нулю x^x*(ln(x) + 1) = 0 и решаем для x. Решением данного уравнения будет 1/e Подставляем 1/e в исходное функцию и получаем это вы уже нашли округленно 0.692. (1/e,0.692) - Критическая точка. А в критических точках функция меняет свое направление, то есть если до этого шла на убавление проходя через критическую точку она пойдет на возрастание и наоборот.
И так ответ Потому что (1/e, f(1/e)) Является критической точкой.
Также далее посредством тестов можно найти является ли критическая точка локальным минимумом или максимум в нашем случае глобальным потому что она одна. В данном случае тест легко покажет что это точка глобальный минимум. А минимум слева убывает проходит через критическую точку и начинает возрастать.
ДОПОЛНЕНИЕ К ответу.

Выходит, что до 1/e функция убывает, а после - возрастает. Откуда берется такая связь?

Здесь дело в том что данная критическая точка как указал выше является минимумом в контексте вашего вопроса даже не важно глобальным или локальным. Что бы критическая точка называлась минимум производная функции должна быть отрицательной слева от критической точки и положительной справа от критической точки если подставим в производную (ее я привел в самом начале) число не много меньшее чем критическая точка то мы получим отрицательное значение (что значит функция убывает) а если не много большее то положительное значит (функция возрастает). Поскольку функция убывает слева от критической точки и возрастает после нее это и есть определение минимума. Мы сейчас математическим методом нашли минимум. То есть ваша функция убывает до критической точки и возрастает после нее. Потому что точка является минимумом (в данном случае глобальным). Так будет не много точнее.

id_key = list(parsed_app_json.keys())[0]
print(parsed_app_json[id_key]['data']['name'])

В id_key будет всегда попадать первый ключ, соответственно вы сможете обращаться к ключу name независимо от значения первого ключа.

Да возможно.
session = requests.Session()

Первое что бы получить mean по группам для этого в pandas есть мощный инструмент groupby
например в вашем случае
means = data.groupby('Социальный класс').mean()
Это даст вам датафрейм где вы на группе запустили аггрегирующуюю функцию (можно не одну)
теперь к ответу на вопрос все решается в одну строчку

data["Возраст"] = data.groupby("Социальный класс").transform(lambda x: x.fillna(x.mean()))

все этот код решит ваш вопрос, для его лучшего понимания (очень рекомендую) разберитесь как следует с groupby это очень частая проблема.

Ну код ваш совсем не рабочий, первое отступы (у вас 8 должно быть 4), второе new_pole вы должны объявить до цикла, до присваивания в цикле дело не дойдет когда new_pole[i_col][i_row] python выдаст ошибку уже вот здесь что не знает что такое new_pole.
Теперь ответ на ваш вопрос, Когда вы делаете что то типа

list1 = [1,2,3]
new_list = list1

вы не создаете два объекта вы создаете две ссылки на один и и тот же объект [1,2,3]. И скажем если вы сделаете
list1.append(4) У вас будут изменения и в new_list. Потому что объект всего один а ссылки на него две.
Что бы избежать это нужно использовать deepcopy
Вот ваш код но в рабочей версии.

from copy import deepcopy
pole = [['x', 'x', 'x', '.'], ['.', '.', '.', '.'], ['x', '.', 'x', 'x'], ['x', '.', '.', '.']]
new_pole = deepcopy(pole)
for i_row in range(len(pole)):
    for i_col in range(len(pole[i_row])):
        new_pole[i_col][i_row] = pole[i_row][i_col]
print(pole)
print(new_pole)

SELECT A.id, A.data_created, A.subject,A.number_id, B.count
  FROM tablename A
       INNER JOIN (SELECT number_id, count(number_id) AS count
                     FROM tablename 
                    GROUP BY number_id) B ON A.number_id = B.number_id

если планируете использовать pd. concat(), то сначала собираете ваши фреймы в список frame_list. A потом этот список в pd.concat(). далее pd.concat имеет аргумент axis, его поставьте 0 (если у вас совпадают имена столбцов), он будет добавлять их вниз новыми рядами.
ваш псевдо код будет иметь вид

frame_list = []
for i in ally_code:
    df = get_units_player( get_player_json(i) )
    frame_list.append(df)
final_df = pd.concat(frame_list,axis= 0)

находим коэффициент пропорциональности сторон назовем k

k = высота / ширина = 2320 / 3855 = 0.601
новая высота (она известна) / новую ширину = 0.601
800 / x = 0.601
новая ширина = x = 1331
Находим коэффициент уменьшения ширины:
старая ширина * a = 1331
3855 * a = 1331
a = 0.345
находим координату X для важной точки 864 * 0.345 = 298

Ну так вы же его уже импортровали from datetime import datetime, вторая ошибка, что вы сначала конвертируете в строку а потом добавляете timedelta(days=10), это тоже выдаст вам ошибку.
вообщем слегка подправил ваш код

from datetime import datetime, timedelta
now_day = (datetime.utcnow() + timedelta(days=10)).strftime("%d")
future = int(now_day)
print(future)