o5a

Будет зависеть от ОС. Под Windows можно, например, так сделать

import msvcrt
import sys

text = "This is just a long text"
for c in text:
    while True:
        if msvcrt.kbhit():
            msvcrt.getch()
            print(c, end='', flush=True)
            break

sys.stdout.flush()

Стоит искать по словам "производственный календарь" и по возможности "API", есть разные варианты

Вот, например, находятся

https://isdayoff.ru/extapi/

Пример запроса

https://isdayoff.ru/api/getdata?year=2020&month=06...

в других местах тоже, проблемы с отступами

def fun(**kwargs) :
  for x in range(2) :
    #obj(**kwargs)
    text = kwargs['text'][x+1]
    background = kwargs['background'][x]
    obj(text, background)

Но в целом, как и в предыдущем вопросе, выбранные тобой методы реализации выглядят довольно дико.

Так что бы не пересчитывать массив test_list в начале for x in range(3)

Например, такие 2 варианта

test_id = {k:0 for k in test_list}

test_id = dict.fromkeys(test_list, 0)

По поводу остального: зачем в print использовать min (то, что не выходим за пределы списка), если это условие уже учитывается в цикле приращения (где sum)?

Алгоритм работы программы даже понял (хотя не сразу во всей этой наркомании), но без знания изначальной задумки не совсем понятно, почему делается приращение, но в конце все равно ограничивается максимальным элементом списка, ведь он так выродится. Отсюда сложно сказать, что можно оптимизировать.

Но вместо циклов с sum и изменениями test_id можно задать словарь этих приращений и по нему просто накручивать индекс в каждом цикле

# словарь смещений индекса на каждом цикле
inc = {
'arr_1':1,
'arr_2':2,
'arr_3':2
}

for i in range(5):
    print("text-{}  border-{} shadow-{} background-{}".format(
test_list['arr_3'][min(i*inc['arr_3'], len(test_list['arr_3'])-1)],
test_list['arr_2'][min(i*inc['arr_2'], len(test_list['arr_2'])-1)],
test_list['arr_2'][min(i*inc['arr_2']+1, len(test_list['arr_2'])-1)],
test_list['arr_1'][min(i*inc['arr_1'], len(test_list['arr_1'])-1)]
))

выдаст
text-red  border-green shadow-brown background-red
text-black  border-black shadow-black background-blue
text-green  border-black shadow-black background-yellow
text-green  border-black shadow-black background-yellow
text-green  border-black shadow-black background-yellow

Можно последовательно нарезать через split() с разными условиями. Или использовать regexp.

s = """
Балансы:

Баланс $: 228,951
Баланс котяток: 0.67984234"""

import re

m = re.search(r"Баланс \$: (.+)", s)
if m:
    print(m.group(1))
    print(m.group(1).replace(',',''))

Получим:
228,951
228951

argv это просто список, можно его самому изменить.

def test_main(self):
        name_list = ['xiaomi', 'redmi', 'note', '7'] # название товара
        argv.extend(name_list) # искусственно добавляем список к argv
        link_product = [{'title': 'Мобильный Телефон Xiaomi Redmi Note 7 PRO (6+128Gb)', 'cost': '12.000 сом'},
                        {'title': 'Мобильный Телефон Xiaomi Redmi Note 7 (6+64Gb)', 'cost': '10.400 сом'},
                        {'title': 'Мобильный Телефон Xiaomi Redmi Note 7 (4+128Gb) EU', 'cost': '11.500 сом'},
                        {'title': 'Мобильный Телефон Xiaomi Redmi Note 7 (3+32Gb) EU', 'cost': '10.000 сом'},
                        {'title': 'Мобильный Телефон Xiaomi Redmi Note 7 (4+64Gb) EU', 'cost': '10.700 сом'}] # результат
        product_link = main() # просто запускаем основной скрипт, список мы уже передали

Модуль subprocess.
subprocess.run для запуска команды с ожиданием выполнения.
subprocess.Popen для запуска команды в отдельном процессе (не будет прерывать исполнение основного скрипта).

Пример

import subprocess

module = "lxml"
subprocess.run(["pip", "install", module, "--upgrade"])

Потому что в print используется message.from_user.last_name который не всегда присутствует (т.е. может быть None).

cursor.execute("INSERT INTO dateuser (login) VALUES (%s)", (sog, ))

Я пытаюсь получить количество уникальных id в каждом дне

df_c.groupby('date')['listing_id'].nunique()

df['Сумма'] = df[['Февраль', 'Март', 'Апрель']].sum(axis=1)

или просто

df['Сумма'] = df.sum(axis=1)

если не нужно ограничивать только этими колонками