Максим Припадчев

Важно что форматы ячеек, шрифты и тд остались прежними. Это возможно сделать?

с учетом этого pandas будет недостаточно, проще всего с использованием openpyxl это будет сделать.

Я 2 года изучал Python (сам, без курсов).
Думаю, что многого не знаю или упустил.

Переходи к созданию проектов, они будут выявлять над чем работать, и формировать тебя как специалиста.

Сейчас пытаюсь учить Flask, недавно закончил основы Git (очень хочу практики в команде).

Опять таки делай проект, я бы не рекомендовал flask (fastapi вместо), но главное это сделать проект, git будет нужен если работаешь один, необязательно командой.

В моих планах стать backend-разработчиком на Python.
В данный момент я просто запутался, что мне изучать, что читать, где брать практику.

Прекрасный выбор, после двух лет чтения, надо делать. Потом придет время опять почитаешь чего-нибудь.

Скорее всего переустанавливать, удалять текущую версию. Ставить с++ сначала потом заново ставить tf.
https://stackoverflow.com/questions/67259900/tenso...

https://stackoverflow.com/questions/61342220/modul...

https://learn.microsoft.com/en-us/cpp/windows/late...

pd.merge(левая таблица, правая таблица, left_on='CELL',right_on='GeranCellId ', how=method)

где метод left, right,inner, outer, cross. Это типы джойнов.
merge

Ну и выбери нужные колонки, например. для левой таблицы тебе не нужны BSC и LAC, если ты по правой будешь джойнить, тебе эти колонки оттуда нужны. Выбирать нужные колонки и ставить их в желаемом порядке делают c помощью loc. фрейм.loc[:,[колонка1, колнка2, итд]]

Ну так первый ответ 1/2, и второй 1/5.
Мы имеем дело с условной вероятностью. Когда мы имеем дело с условной вероятностью мы спрашиваем. Каким образом произошедшее событие изменяет пространство выборки?

P(A|B) = какова вероятность, что выпало четное число с учетом того что выпавшее число кратное 5. Есть всего два кратных 5 числа (это 10 и 5) такой у нас стало пространство выборки, из это пространства мы спрашиваем какова вероятность что число четное у нас один удовлетворяющий условию ответ 1/2

P(B|A) = какова вероятность, что выпало число кратное 5 с учетом того что выпавшее число четное. Есть 5 четных чисел (это 2,4,6,8,10) такой у нас стало пространство выборки, из это пространства мы спрашиваем какова вероятность что число кратное 5 у нас один удовлетворяющий условию ответ 1/5

1. Не помешало бы, пример несколько строк из фрейма которые не сортируются.
2. Обратно возвращать в строку не обязательно.
3. Методы чтения имеют параметр parse_dates для того что бы строковое представление даты перводить в тип данных datetime64
вот небольшой примерчик

(
    pd.DataFrame({
        'string_dates':['17.08.2024','15.08.2024','20.09.2024'],
        'values':[10,100,1000]
    })
    .assign(
        dates=lambda x: pd.to_datetime(x['string_dates'],format='%d.%m.%Y')
    )
    .sort_values(by='dates')
)

как видишь все сортируется, обрати внимания на типы данных. Колонку которая используется для сортировки можно дропнуть, ну или создать ее что называется "на лету".

Ну если не большие, что мешает граф хранить в графе. Обойтись без преобразования, а использовать сереализацию. Модуль pickle, или методы сереализации предусмотренные библиотеками, которыми ты пользуешься для работы с графами. Например самая популярная библиотека для работы с графами (networkx) естественно имеет методы сереализации write_graphml. Поддерживает разные форматы и т.д.

1. Проходишься по своему массиву и спрашиваешь присутствует ли твое слово в тексте который ввел пользователь.
2. В результате получаешь массив булевых значений True False
3. Если в массиве есть True, значит в тексте введенным пользователем есть слово из твоего массива слов.

Детали реализации: any и list comprehension

1. Понять разницу между объектом класса, и объектом экземпляра класса.
2. Понять разницу между атрибутами класса и атрибутами экземпляра класса.

Если использовать реляционные базы данных то делить на таблицы и описывать связи, предварительно избавившись от списков, на уровне пандаса, переформатировав (распрямив) датафрейм, метод explode например поможет избавится от списков. В целом одна и та же информация, может быть представлена в разном виде и в реляционных бд предпочтительнее (но не обязательно) иметь простые типы данных.

Использовать не реляционные базы данных, они больше подходят если данные имеют вложенную структуру и простым переформатированием не обойтись.

Если тебя все устраивает и тебе удобно работать с фреймом, но хочется иметь такое представление информации только не в памяти, а на диске. Можешь использовать например сериализацию, метод для фреймаto_pickle, и соответственно read_pickle для чтения.

По итогу, когда ты собираешься хранить данные, ты их в дальнейшем будешь извлекать и анализировать. Работать с колонкам содержащими вложенные списки, можно, но не так эффективно, как с правильно организованными данными, будь уверен, что ты хранишь в колонках вложенные списки от отсутствия альтернатив.

Проблема в типах данных cofe и flor - строки, а должны быть int.

cofe = int(input('Сколько вы хотите кофе?: '))
flor = int(input('Введите на каком вы этаже:'))

Исключения не выходит из-за логического and if cofe in [1, 2, 3] and flor >= 100: он оценивает первое условие как False и не переходит ко второму.