Andrey Dugin

Я бы сделал как-то так:

import requests
import pandas as pd
from lxml import html

url = 'https://zeon18.ru/page/search/?name=%D0%A2%D0%B5%D1%80%D0%BC%D0%BE%D0%BF%D0%B0%D1%81%D1%82%D0%B0'

tree = html.fromstring(requests.get(url).text)

def get_elements_by_xpath(xpath):
    return [
        html.tostring(element, method='text', encoding='unicode', with_tail=False)
        for element in tree.xpath(xpath)            
    ]

titles = get_elements_by_xpath('.//a[@class="catalog-item-title"]')
prices = get_elements_by_xpath('.//div[@class="catalog-item-price-main"]/span[@class="value"]')

pd.DataFrame(zip(titles, prices), columns=['title', 'price']).to_csv('catalog.csv', index=False)

Необходимо добавить проверку if ret

import re

with open('osu.txt', 'rt', encoding='utf-8') as f:
    for client, *_, song_id in map(re.compile('\d+').findall, f.readlines()):
        print(f'client: osu.ppy.sh/s/{client} | direct: osu://b/{song_id}')

Без цикла)

from textwrap import wrap

number = '321065452012615015041652469504158791051017052612101190152612016520941501206206'

print(sum(map(int, wrap(number, 2)[:3])))

Исключительно в качестве учебной иллюстрации применения apply_along_axis:

import numpy as np
from itertools import count

def print_max_element(sequence, counter=count(0)):
    print(f'Максимальный элемент в {next(counter)}-м столбце: {sequence.max()}')

np.apply_along_axis(print_max_element, 0, arr)

В реальном коде задание параметра counter=count(0) в таком виде использовать не следует по очевидной причине.

Вариант с numpy:

import numpy as np

a = [0, 1, 1, 2, 1, 3, 4, 4, 5, 4]

N = len(a)
a = np.array(a)

for n in range(3, N):
    if N % n == 0:
        b = a.reshape(-1, n)
        b = np.diff(b, axis=1)
        if np.all(b == b[0]):
            print(n)

Вариант без внешних библиотек:

from operator import sub

a = [0, 1, 1, 2, 1, 3, 4, 4, 5, 4]

N = len(a)

for n in range(3, N):
    if N % n != 0:
        continue
    matrix = list(zip(*[iter(a)]*n))
    for i, row in enumerate(matrix):
        matrix[i] = map(sub, row[1:], row[:-1])
    transposed = zip(matrix)
    row_to_set = map(set, transposed)
    set_to_len = map(len, row_to_set)
    if len(set(set_to_len)) == 1:
        print(n)

Для подготовки данных можете воспользоваться TimeseriesGenerator

Используйте безопасный eval:
from ast import literal_eval as eval

Используйте \b

ИИ - область машинного обучения, нейросеть - один из инструментов.

Не с того конца проблему решаете. OpenCV - очень быстрая библиотека (особенно если её правильно использовать, избегать лишних аллокаций памяти под массивы и т.п.). Попробуйте читать (декодировать) видео асинхронно или в отдельном треде. Например, можно использовать FileVideoStream из imutils.

conda install -c menpo dlib

print(*map(str, sorted(eval('[{}+{},{}+{}]'.format(*input())), reverse=True)), sep='')