Сергей П

Вы читайте текст ошибки.
То так то эдак пишете, то с малой, то с большой буквы название пакета.
там критично:

from kivy.app import App
from Kivy.uix.widget import Widget

kivy и Kivy для питона различаются. Пакет называется с маленькой буквы, а вы во второй строчке его импортируете с большой. Само собой он не найден.
Вот вам об этом и в ошибке написано: "No module named 'Kivy'"

File "C:\Python\main.py", line 2, in
from Kivy.uix.widget import Widget
ModuleNotFoundError: No module named 'Kivy'

У вас это строка. И сортировка происходит в алфавитном порядке.
Вы можете вот так сортировать:
key=lambda x: int(x['sick'])

Потому, что число - это не строка. У него нет длины.
Если вам надо посчитать количество десятичных знаков числа, то делайте так:
len(str(12345)) # 5

такой eval нельзя использовать лишь потому, что это небезопасно. Фактически, если использование eval не усугубит ситуацию, то почему бы не использовать.
Довольно сумасшедшая идея ходить с открытой раной по улице. Но в защищенной среде в больнице между перевязками - это штатная ситуация, хотя и не отменяет необходимости быть осторожным.

Оголённые провода в жилом помещении - это недопустимо, но в фазные шины с правильной маркировкой в электрощитовой, наверно, допустимы.
Это касается не только eval.
Однажды я слышал от студента примерно следующие рассуждения, когда ему требовалось написать простейший калькулятор:

eval использовать нельзя (небезопасно), поэтому я пользовательский ввод записываю в питоновский файл и этот файл импортирую как модуль...

Во-первых, надо форматировать код специальным тегом.
Во-вторых, у вас переменная l локальна и не видна снаружи функции.
В-третьих, чтобы что-то записать в файл, лучше пользоваться такой конструкцией:

with open("log.txt", "w") as f:
    f.write('any text')

При этом файл каждый раз открывается с перезаписью, то есть очисткой всего что там было до открытия.
Чтобы не удалялось, нужно открывать так: open('filename.log', 'a')
Тогда файл не будет пересоздаваться поверх старого и можно дописывать к нему данные.
В-четвертых, в питоне есть отличный модуль logging. Нагуглить статью про его использование элементарно.
И мне не придётся это всё писать...

Читайте книжку. Ну что вы все лезете программировать обучаясь на слухах, сказаниях и преданиях вместо чтения статей и книг, где всё изложено коротко и лаконично.

лучше так:
elms = [item for item in elms if item == []]
А если вообще всё пустое надо убрать то так:
elms = list(filter(None, elms))

чтобы сеть отличала подачу (как написаны тексты)

Святая наивность!
По такой четкой постановке грех не решить задачу одной строчкой вообще.
Готовой библиотеки для "сравнения подачи текста (как написано)" вы не найдёте.

Пробуйте посчитать суммарную статистику N-грамм для всех подходящих и неподходящих текстов. Возьмите топ этой статистики (m самых часто употребимых в корпусе размеченных текстов n-грамм), зафиксируйте сортировку n-грамм и формируйте m-мерные вектора для каждого текста.
На получившихся векторах обучайте многослойную нейронку.
Экспериментируйте со скрытыми слоями, с размером вектора m, размером обучающей выборки, чтобы избегать переобучения и получить достаточный коэффициент правильных ответов.

Если корпуса маловаты, попробуйте мутировать их смешивая тексты с разбитием по предложениям. Но чудес от этого не ждите, кардинально выборку вы так не увеличите. На какие-то проценты, может быть улучшите прогноз.

А так у яндекса есть какой-то инструментарий.
Вот еще https://www.nltk.org/
Либу для нейронок на питоне вообще найти не проблема. Любую берите с которой проще освоиться.

Можно попробовать с нормализацией слов перед векторизацией поиграться, но вместе с окончаниями может потеряться важное: фамильярность, падежи, лица, деепричастия и прочие обороты.
По-хорошему нужно дать тексты почитать филологу, чтобы он сделал заключение по каким основным критериям разбит корпус. Даже если критерии будут нечеткими, вы, возможно, поймёте допустима ли нормализация, какие фиксипрованные критерии добавить...
Возможно эффективным будет в вектор независимо от частотности добавить матерные слова, просторечивые выражения, неологизмы, признаки наличия сложносочинённых предложений, признаки переусложнённого словообразования и т.д.
Это, в зависимости от назначения вашей системы, может помочь или помешать.

Консультируйтесь со специалистами. Всё на свете нейронками не закидаешь.

Что-то все какие-то сложно перевариваемые решения постят.
Вот же понятно все и читабельно:

full = {company['id']: company for company in first_list}
for extra in second_list:
    item = full.setdefault(extra['company'], {})
    item.update(extra)
    item.pop('id', None)
    item.pop('alias', None)

result = list(full.values())

Ну строго говоря особой нужды нет. Такое делают, например, если в будущем собираются сменить базовый класс.
Но если у вас __init__ вообще пустой и кроме супера ничего нет, то совсем бесполезно.
В третьем питончике, кстати, уже вот так можно:

class Container():
    def __init__(self):
        super().__init__()

Импортируйте и запускайте код в блоке try-except.

Ваша функция возвращает не один элемент, а все, отсортированные в порядке удаления от заданного.

key=lambda x: (abs(x-one), x)
это функция, по значениям которой сортируются элементы массива.
Значение этой функции - кортеж из двух элементов: первый - это модуль разности, а второй это текущий элемент списка.
Кортежи можно сравнивать на > и <. При этом они сравниваются поэлементно слева направо.
Смысл добавления x в том, что расстояние от -1 до 0 и до -2 одинаковое и сортировка не различала эти два элемента между собой. Когда вы стали сортировать по ключевому кортежу, то при равенстве расстояния порядок определяется значением самого элемента. Выбирается сперва тот, что меньше (в вашем случае -2).