Začněte nyníZačněte zdarma

Vytvoř analýzu citlivosti pro čistý zisk

Společnost Txs Tools poskytla následující předpověď administrativních nákladů v USD na základě zaměstnanců na plný úvazek:

Jul = 1500 Aug = 1500 Sep = 1500

Sestavte předpověď čistého zisku forecast_net_profit pro případ, kdy emp_leave = [6, 6, 0] a náklady na jednoho dočasného zaměstnance jsou 80 USD.

Kromě emp_leave a admin_usd máš k dispozici také předpověď hrubého zisku jako proměnnou forecast_gross_profit.

Toto cvičení je součástí kurzu

Finanční prognózování v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř proměnnou index a inicializuj ji na hodnotu 0.
  • Vytvoř závislost tak, že projdeš seznam admin_usd ve smyčce a pomocí index přistupuješ ke správnému měsíci v seznamech.
    • Nastav počet dočasných zaměstnanců (temp) odkazem na seznam emp_leave na aktuálním index
    • Pokud existují dočasní zaměstnanci, administrativní závislosti (admin_dep) by měly zohledňovat dodatečné náklady na dočasné zaměstnance (plus standardní administrativní náklady)
    • V opačném případě by admin_dep mělo odpovídat standardním administrativním nákladům.
  • Vypočítej forecast_net_profit jako forecast_gross_profit (na daném index) minus vypočítané admin_dep.
  • Vypiš forecast_net_profit.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

admin_usd = [1500, 1500, 1500]
emp_leave = [6, 6, 0]
forecast_gross_profit = [4850, 2800, 4600]
index = ____

for admin in admin_usd:
    temp = ____[index]
    if temp > 0:
        admin_dep = ____ * 80 + admin
    else: 
         admin_dep = ____ 
    forecast_net_profit = forecast_gross_profit[____] - ____
    print(forecast_net_profit)
    index += 1
print("The forecast net profit is:")
Upravit a spustit kód