Prognozowanie sprzedaży
Chcesz zaplanować przyszłoroczne operacje, prognozując poziom sprzedaży. W tym celu zebrałeś mnożniki charakterystyczne dla każdego miesiąca i branży. Są one zapisane w tablicy monthly_industry_multipliers. Na przykład mnożnik monthly_industry_multipliers[0, 0] o wartości 0.98 oznacza, że w branży sklepów monopolowych prognozuje się 98% tegorocznej sprzedaży ze stycznia w tym samym miesiącu przyszłego roku.
array([[0.98, 1.02, 1. ],
[1.00, 1.01, 0.97],
[1.06, 1.03, 0.98],
[1.08, 1.01, 0.98],
[1.08, 0.98, 0.98],
[1.1 , 0.99, 0.99],
[1.12, 1.01, 1. ],
[1.1 , 1.02, 1. ],
[1.11, 1.01, 1.01],
[1.08, 0.99, 0.97],
[1.09, 1. , 1.02],
[1.13, 1.03, 1.02]])
Biblioteka numpy jest już załadowana jako np, a tablice monthly_sales i monthly_industry_multipliers są dostępne. Kolumny tablicy monthly_sales odpowiadają kolejno: sprzedaży w sklepach monopolowych, restauracjach i domach towarowych.
To ćwiczenie jest częścią kursu
Wprowadzenie do NumPy
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create an array of monthly projected sales for all industries
projected_monthly_sales = ____
print(projected_monthly_sales)