Как мы собираемся применить apply к data['purpose'], а потом, когда задаем фунцкию, что нам делать, отдельно туда пихаем ещё раз data['purpose']?

как аргумент у нас идет элемент из data['purpose'], и если мы будем делать через lambda x, то обозначаться это будет x. Если функция отдельная под это, то передаем название функции без этого аргумента.

Получилось, спасибо всем, очень помогли!!)

О. Тут вспомнил как тут Пятерке два ящика угля лежит на самом видном месте с января. Не покупают. Кто ж предсказал такое?

А как же копия мозга Билла Гейтса?)

А еще эта Пятерка НЕ на выезде из города. И тут в леске рядом в некотором смысле экологическая катастрофка произошла - шашлычки зимой уже не интересны. Короче, перестарался безызвестный питонист. Дал стране угля.

так много, что они его перед входом выложили.

скажите, а в Plotly кто-нибудь с анимацией / слайдерами мучился? пару бы вопросов задать..

мне кажется стоит сразу задать

да там головняк чисто в коде, не хотел засорять чат.

Народ, вот есть такой объём ежемесячных продаж по товару.

Я уже писал здесь, но вопрос другой чем был. Повторю условия, чтоб напомнить. Бизнес хочет спрогнозировать ежедневные продажи с минимальной ошибкой.

Сейчас они используют что-то типа скользящего среднего. И ошибка около 15%. Они написали нейронку. Там например погода забита и тд, она показала себя не очень.  

Я нейронки вообще в глаза не видел, с классическим немного имел дело. У меня два варианта, либо отказаться совсем, либо попробовать XGBoost или что-то типа.

Внимание вопрос, правда ли что нейронка имеет лучшее применение на больших выборках, или это бред? И вообще насколько такая задача эффективно может решиться XGBoost или он вообще не конкурент DL

Глупая задача, вам не кажется делать прогноз на 1 день? Что бы такое вычислить необходимо уситывать мнодество факторов имея статистические данные за предыдущие аналогичные периоды. Можно предположить поведение покупателя, используя тнориб игр и теорию вероятностей.

Выбирать задачи не могу. Она есть как данность. Но например надо было бы предсказать на 7 дней. Вопрос все равно остаётся вопросом. Может поподробнее можете сказать что смотреть в этих теориях

А надо. Новая  Мудрость DL заключается в том чтобы читать SOTA и анализировать бизнес куда тут можно знания применить.
Все наоборот! Не бизнес определяет что вы может сделать наука. Как раньше - невыгодно. Это не json перекладывать из пустого в порожнее, а научный процесс поиска без гарантий.
Так и передайте.

Ну можно конечно вбухать кучу времени в выведение зависимости пива и угля от погоды...но чет не работает, как мы видим.

Вот здесь апрель 2020 "короновирусный" скорее всего. Сильная просадка.
Вот чему может наивная сезонная модель научиться? Что опять в апреле будет карантин? Это бред

Вопрос как решить задачу максимально хорошо, а не как от неё отказаться. Явно же до какой-то точности мы можем предсказать

Алгоритм "дед который повторяет все что было вчера"

Алгоритм "ларек" тоже очень классный:
Ларечник каждый день смотрит в ящички и дозаказывает то, что заканчивается.

И ведь не такой уж плохой

Правильно понимаю, что пока не использовали даже что-то простое, типа линейной регрессии?