Roman K

1. Потому что в папку юзера можно устанавливать без админских прав
2. Нет
3. Не стоит

import collections

with open('symbols.txt', 'r') as f:
    data = f.read()

counter = collections.Counter(data)
print(counter.most_common(None))

Если файл настолько большой, что не влезает в ОЗУ, у Counter есть метод update, в который можно кусками вкидывать символы

Называется коллаж. Вот пример плагина https://github.com/ed-lea/jquery-collagePlus

class Book:
    def __init__(self, name):
        self.name = name

    def __repr__(self):
        return f"<Book: {self.name}>"

    def __eq__(self, other):
        if not isinstance(other, type(self)):
            return False
        return self.name == other.name


class Lib:
    def __init__(self, books=None):
        if books is None:
            self.books = []
        else:
            self.books = books[:]

    def __iadd__(self, other):
        if not isinstance(other, Book):
            raise TypeError("Not a book")
        self.books.append(other)
        return self

    def __iter__(self):
        return iter(self.books)


lib = Lib()
book1 = Book("Fluent Python")
book2 = Book("Mein Kampf")

lib += book1
lib += book2

for book in lib:
    print(book)

Однако, лучше не злоупотреблять оверрайдингом операторов неявной логикой и сделать явный метод .add_book() и явный метод .iterate_books()

Сортировка строк основана на поэлементном сравнении позиций символов в таблице кодировки. Надеюсь, этот пример тебе поможет понять:

In [1]: x = ['a', 'aaa', 'A', 'AA', 'AAA', 'AaA']

In [2]: sorted(x)
Out[2]: ['A', 'AA', 'AAA', 'AaA', 'a', 'aaa']

In [3]: [[ord(i) for i in el] for el in sorted(x)]
Out[3]: [[65], [65, 65], [65, 65, 65], [65, 97, 65], [97], [97, 97, 97]]

get_seq2 не делает ничего полезного, если тебе не нужны какие-то промежуточные результаты. Распределения get_seq1 и get_seq2 совпадают. Только get_seq2 работает в 7 раз медленней.

Очевидно, раз распределения совпадают, то вероятность получить одинаковую последовательность такая же, как вероятность получить её внутри одной функции — P(get_seq1() == get_seq1()) == P(get_seq1() == get_seq2()) == 1 / N * 1 / N-1 * ... * 1/1, где N - длина последовательности

Распределение очень просто измерить:

def measure(fn):
    n = 10
    p = []
    for _ in range(10):
        p.append([0] * n)
        
    for _ in range(10**6):
        seq = fn(n)
        for i, el in enumerate(seq):
            p[el][i] += 1
            
    return p

И получаем матрицы, которые показывают, как часто элемент (строка) встречается на определённом индексе (столбец). При устремлении n к бесконечности, они уравняются и в том, и в другом случае. Значит, распределение у них равное и выбрасывай функцию №2

>>> measure(get_seq1)
[[99919, 100094, 99918, 100106, 100275, 100068, 100154, 99995, 100254, 99217],
 [99766, 100119, 100263, 99692, 99904, 99946, 100378, 99573, 100052, 100307],
 [100470, 100170, 99583, 100699, 99723, 99924, 99743, 100296, 99856, 99536],
 [100373, 100060, 99779, 99566, 99761, 99850, 100135, 100109, 100081, 100286],
 [100187, 99933, 99528, 100120, 99986, 99897, 99798, 100082, 100220, 100249],
 [100357, 99866, 99828, 99928, 100218, 100322, 100546, 99774, 99675, 99486],
 [99533, 99710, 100332, 99507, 100526, 100117, 99435, 100356, 100378, 100106],
 [99571, 100246, 99968, 100280, 100162, 99406, 99907, 100185, 99752, 100523],
 [99913, 99821, 100573, 99876, 99931, 100207, 99895, 99962, 100054, 99768],
 [99911, 99981, 100228, 100226, 99514, 100263, 100009, 99668, 99678, 100522]]

>>> measure(get_seq2)
[[99740, 100055, 99943, 99346, 99970, 100129, 100306, 99887, 100170, 100454],
 [100324, 100029, 99635, 100189, 99822, 100019, 99970, 100613, 99778, 99621],
 [99487, 100227, 100431, 99973, 99767, 99982, 100256, 100325, 99777, 99775],
 [99974, 99739, 100295, 100221, 99926, 100097, 99134, 100275, 99841, 100498],
 [100091, 99770, 99578, 99967, 100364, 100097, 99820, 99565, 100747, 100001],
 [99874, 99914, 100011, 99799, 99947, 99854, 100629, 99938, 100135, 99899],
 [100143, 100200, 99946, 100157, 99754, 99598, 100223, 99860, 99747, 100372],
 [100095, 100058, 100037, 100209, 100549, 100335, 99759, 99231, 100087, 99640],
 [100117, 99971, 99967, 100017, 99682, 99696, 100147, 100634, 99514, 100255],
 [100155, 100037, 100157, 100122, 100219, 100193, 99756, 99672, 100204, 99485]]

pip3 install fuzzywuzzy[speedup]

from fuzzywuzzy import fuzz

x = "0 .. трубок использовали для прожигания стальковша.Замена воронки 18м 8сл. Разлита полностью."
y = "трубок использооали для прожигания"

fuzz.partial_ratio(x, y)

https://github.com/seatgeek/fuzzywuzzy