بعد از ورود به پاریس، پلیس فرانسه ۴ روز ازش بازجویی کرده و بهش اطلاع دادن که ممکنه به دلیل استفاده غیرقانونی دیگران از تلگرام، شخصاً مسئول شناخته بشه. این مسئله باعث تعجبش شده چون:

1. تلگرام در اتحادیه اروپا نماینده رسمی داره که به درخواست‌های مقامات اروپایی جواب می‌ده.
2. مقامات فرانسه می‌تونستن از راه‌های مختلفی با خودش تماس بگیرن، چون او به عنوان شهروند فرانسوی، در دبی بارها با کنسولگری فرانسه در ارتباط بوده و حتی بهشون کمک کرده بود که با تلگرام برای مقابله با تروریسم در فرانسه خط تماس مستقیم برقرار کنن.
3. در شرایط معمول، اگه کشوری از یه سرویس ناراضی باشه، علیه خود سرویس اقدام می‌کنه، نه اینکه مدیرعامل رو به خاطر جرائم دیگران متهم کنه.

او اشاره می‌کنه که تلگرام همیشه برای تعامل با مقامات آماده بوده، اما وقتی نتونسته با کشورهایی روی تعادل بین حفظ حریم خصوصی و امنیت به توافق برسه، از اون کشورها خارج شده. مثال‌هایی از این اتفاق در روسیه و ایران وجود داره که تلگرام به دلیل نپذیرفتن خواسته‌های نظارتی و سانسور، فیلتر شده.

پاول دورف همچنین اذعان کرده که تلگرام بی‌نقص نیست و بعضی مسائل مثل سردرگمی مقامات در ارسال درخواست‌ها باید بهبود پیدا کنه. با این حال، ادعاهایی که تلگرام رو به عنوان "بهشت آنارشیستی" معرفی می‌کنن، نادرسته. اون توضیح داده که تلگرام هر روز میلیون‌ها پست مضر رو حذف می‌کنه و گزارش‌های شفافیت روزانه منتشر می‌کنه.

    for i in range(5):
        print(i)
    

    while x < 5:
        print(x)
        x += 1
    

  import numpy as np
  

  import pandas as pd
  

  import matplotlib.pyplot as plt
  

  import seaborn as sns
  

  arr = np.array([1, 2, 3, 4])
  

  arr.sum()
  arr.mean()
  

  arr.reshape((2, 2))
  

  arr[0:2]  # First two elements
  

  df = pd.DataFrame({
      'col1': [1, 2, 3],
      'col2': ['A', 'B', 'C']
  })
  

  df = pd.read_csv('file.csv')
  

  df.head()          # First 5 rows
  df.describe()      # Summary statistics
  df.info()          # DataFrame info
  

  df['col1']
  df[['col1', 'col2']]
  

  df[df['col1'] > 2]
  

  df.dropna()        # Drop missing values
  df.fillna(0)       # Replace missing values
  

  df.groupby('col2').mean()
  

  plt.plot(df['col1'], df['col2'])
  plt.xlabel('X-axis')
  plt.ylabel('Y-axis')
  plt.title('Title')
  plt.show()
  

  sns.histplot(df['col1'])
  sns.boxplot(x='col1', y='col2', data=df)
  

  pd.merge(df1, df2, on='key')
  

  df.pivot_table(index='col1', columns='col2', values='col3')
  

  df['col1'].apply(lambda x: x*2)
  

  df['col1'].mean()
  df['col1'].median()
  df['col1'].std()
  

  df.corr()