Сергей Ильин

text = 'blablabla furfurfur 1234 123 11'.lower().split()
words = ['furfurfur', 'lalala']

print(any(filter(lambda x: x in text, words)))

Странно, вы прочитали много книжек и статей, а вопрос задаете какой-то .... странный. А что можно прогнозировать внутри выборки? Прогнозирование - это ВСЕГДА получение значений вне вашей изначальной выборки.
Ну, а фраза о том, что мало информации в интернете - вообще непонятная. Информации по этой теме не просто много, а чрезвычайно много.
Ну вот, просто набрал в Google - и сразу:
https://habr.com/ru/post/495884
https://habr.com/ru/post/505338/

Может проблема в том, что вы начали изучение сразу с нейросетей, не разобравшись с основами машинного обучения?
По сути вопроса отвечаю, что-бы построить прогноз "вне выборки", надо сначала построить модель (обучить нейросеть на тренировочном датасете), потом валидировать модель (т.е. проверить работоспособность модели на тестовом датасете), а уж потом задать на вход независимые переменные (точно - момент времени, и возможно - значения других независимых переменных на этот момент времени) и модель вам должна выдать прогнозируемый результат.
Но что-бы это лучше понять рекомендую все-таки ознакомиться с базовыми понятиями ML, включая теорию временнЫх рядов. Тогда и вопросов таких школьных в дальнейшем не будет.

Если нужно весь словарь целиком отсортировать - по data.keys() пробегитесь... :

import ast
data = {
    'Action': [...],
    ...
}
sorted(map(ast.literal_eval, data['Action']), key=lambda x:(x[1], x[0]), reverse=True)

# [('Terminator Genisys', '2015'),
#  ('Terminator Salvation', '2009'),
#  ('Terminator 3: Rise of the Machines', '2003'),
#  ('Terminal Velocity', '1994'),
#  ('Terminator 2: Judgment Day', '1991'),
#  ('Terminator, The', '1984')]

test['count'] = test.groupby('dt')['dt'].transform('count')

Т.е. прежде чем мне написать CMS мне надо "перелопатить" тысячи исходных кодов различных CMS, изучить их, проработать с ними как минимум год чтобы понять как написать правильно свою систему?

Именно так. Я бы даже сказал годика так 3 хотя бы, и пару десятков разных проектов. Важно что бы вы получили разный опыт.

Неужели чтобы написать даже самую простую CMS для личных элементарных нужд придется изучать куча всего другого чтобы выстроилась точная картина о ее разработке?

нет, если вы не будете писать велосипеды и возьмете фреймворк как готовую основу.

но интерес составляет написать самому

Начните с фреймворка:

- библиотека для рендринга шаблонов (буферизация вывода, работа с файловой системой немножко)
- библиотека для маршрутизации запросов (прошаритесь в регулярках)
- библиотека для работы с базой данных (не ORM, начните с Table Data Gateway или DAO хотя бы. Прошаритесь в SQL минимально).
- Ядро, связывающее все это вместе. Желаельно с какой-то концепцией мидлвэров, что бы все остальныекомпоненты ничего не знали о ядре. (прошаритесь в HTTP)

В целом же писать CMS очень и очень скучно и долго. Вы намного быстрее прошаритесь во всем что надо делая отдельные компоненты. Благо сейчас век composer-а и вы можете крутить и вертеть фреймворками как хотите, подменяя чужие компоненты на свои.

Буфер - это кусок памяти, для временного хранения данных. Скорее всего туда помещаются данные при шифровании. В исходниках данной библиотеки говорится, что большой размер буфера ускорит работу с большими файлами. Размер буфера должен быть кратен 16.

То, с чем вы столкнулись вполне известный эффект, который называется "эффект цепочечного индексирования". Он описан в серьезных источниках по Pandas, которыми и советую пользоваться, а не всякими профанированными видосиками да статейками.
Тем не менее, ответ на ваш вопрос прост:

test=pd.DataFrame({"a":[5,3,None,4],
"b":[None,2,4,3],
"c":[4,3,3,5],
"d":[5,4,None,None]})
test.loc[test['c']==3,'d']=test[test['c']==3]['d'].ffill()
test

Результат:

a    b  c    d
0  5.0  NaN  4  5.0
1  3.0  2.0  3  4.0
2  NaN  4.0  3  4.0
3  4.0  3.0  5  NaN

Оно?