成本优化

现在我们将使用您构建的函数来优化生产成本。我们的目标是最大化平均利润。不过，利润受多种因素影响，而我们只能控制成本。因此，我们可以对其他因素的不确定性进行模拟，并调整成本，查看利润如何变化。

作为小型玉米农场的管理者，您可以在 100 美元到 5,000 美元之间选择成本。您希望选择能带来最大平均利润的成本。在本练习中，我们会为每个成本水平模拟多次结果，并计算平均值。然后，我们将选择带来最大平均利润的成本。完成后，您就有了一个用于在业务决策中选择最优输入的通用方法。

本练习是课程的一部分

Python 中的统计模拟

查看课程

练习说明

初始化空字典 results。
对于每个成本水平，使用预加载的 profits() 函数模拟利润，并将结果追加到 tmp_profits。
将每个成本水平下 tmp_profits 的平均值存入字典 results。
通过对 results 使用列表推导，找到具有最大平均利润的成本水平 cost_max。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Initialize results and cost_levels variables
sims, results = 1000, ____
cost_levels = np.arange(100, 5100, 100)

# For each cost level, simulate profits and store mean profit
for cost in cost_levels:
    tmp_profits = []
    for i in range(sims):
        tmp_profits.append(____)
    results[cost] = np.mean(____)
    
# Get the cost that maximizes average profit
cost_max = [x for x in ____.keys() if ____[x] == max(____.values())][0]
print("Average profit is maximized when cost = {}".format(cost_max))

编辑并运行代码