U235U235

import math

while True:
    a = int(input("ax^2+bx+c=0 / a: ")) 
    b = int(input("ax^2+bx+c=0 / b: "))
    c = int(input("ax^2+bx+c=0 / c: "))
    
    d = b ** 2 - 4 * a * c
    
    if d > 0:
        x1 = (-b + math.sqrt(d)) / (2 * a)
        x2 = (-b - math.sqrt(d)) / (2 * a)
        print(f'Корней: 2. \n x1 = {x1}')
        print(f'Корней: 2. \n x2 = {x2}')
        
    elif d == 0:
        x1 = -b / (2 * a)
        print(f'Корень: 1. \n x1 = {x1}')
        
    else:
        print("Корней: 0")

https://docs.python.org/3/library/ssl.html

Нужно отложить скрипт, взять учебник по Питону, и почитать, что такое исключения и как с ними работать (оператор try-except).
Тогда станет понятно, почему твой код не работает, и как его поправить.

Для начала определи, что у тебя занимает время - скачивание, или парсинг. Подходы будут разные.
Если хочется в лоб решать задачу - то multiprocessing в руки, даёшь дочернему процессу URL, он тебе возвращает структуру данных. Главный процесс раздаёт URLы и собирает ответы в какое-то итоговое хранилище.
Пример работы с пулом процессов.

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.

У тебя вычисление повторяется для каждой строки? Посмотри, можно ли распараллелить код на несколько процессов (именно процессов, не потоков).
Также посмотри насчёт использования numpy/scipy и их численных солверов для систем уравнений вместо sympy. Может, используя sympy, получится сформулировать алгоритм расчёта, а уже его портировать на numpy?

Если надумаешь использовать numpy, держи в уме вот что: по возможности выполняй операции сразу над массивами значений. Упрощённо, вот это

a = numpy.array([3] * 1000000, dtype=numpy.float32)
b = 2 * a + 3

будет намного быстрее, чем это:

a = numpy.array([3] * 1000000, dtype=numpy.float32)
b = numpy.zeros_like(a)
for i in range(a.shape[0]):
    b[i] = 2 * a[i] + 3

Причина простая - операции над массивами реализуют перебор элементов массива нативно, т.е. с той же проивзодительностью, что и C/C++/Fortran. А вот сугубо питоньи циклы - штука медленная.

Преобразование типов здесь не при чем.

вот здесь ты print(df[['market_cap'] > 0])
Ты выполняешь операцию не с массивом а со списком. Списки ['market_cap'] > 0 такого не поддерживают. Если ты хотел выбрать подсет фрейма где капитализация больше нуля то пропустил df еще один.

print(df[df['market_cap'] > 0])

Это 40А, так как такие ставят в машину.

Можно, как вариант, все условия вынести в отдельный список и по нему проходиться в цикле (в таком случае новые условия будет проще добавлять):

conditions = [
    {
        'min_lvl': 0,
        'max_lvl': 10,
        'exp': 10000
    },
    {
        'min_lvl': 10,
        'max_lvl': 20,
        'exp': 20000
    },
]

for _cond in conditions:
    if lvl < _cond['max_lvl'] and lvl >= _cond['min_lvl'] and exp % _cond['exp'] == 0:
        cursor.execute(f"UPDATE users SET lvl = lvl + 1 WHERE id = {message.author.id}")
        connection.commit()
        break