Latihan Numpy 1

Latihan Numpy 1 : Analisa Penjualan Pakaian dengan NumPy

Skenario

Perusahaan Anda bergerak di bidang retail pakaian dan ingin menganalisa data penjualan untuk berbagai kategori produk (contoh: kemeja, celana, sepatu) dan ukuran (S, M, L, XL) di berbagai lokasi (toko). Data penjualan disimpan dalam array NumPy bernama sales_data dengan struktur berikut (data dalam struktur hanya contoh):

import numpy as np

sales_data = np.array([
[[10, 35, 15, 20],  # Penjualan Lokasi 1
 [25, 35, 30, 18],
 [25, 35, 30, 18],
 [25, 35, 30, 18],
 [25, 35, 30, 18],
 [25, 35, 30, 18],
 [5,  35, 8, 12]],

[[12, 35, 18, 15],  # Penjualan Lokasi 2
 [22, 35, 28, 20],
 [22, 35, 28, 20],
 [22, 35, 28, 20],
 [22, 35, 28, 20],
 [22, 35, 28, 20],
 [7,  35, 9, 11]]
])
print(sales_data)

# sales_data.shape = (jumlah_lokasi, jumlah_kategori, jumlah_ukuran)

[[[10 35 15 20]
  [25 35 30 18]
  [25 35 30 18]
  [25 35 30 18]
  [25 35 30 18]
  [25 35 30 18]
  [ 5 35  8 12]]

 [[12 35 18 15]
  [22 35 28 20]
  [22 35 28 20]
  [22 35 28 20]
  [22 35 28 20]
  [22 35 28 20]
  [ 7 35  9 11]]]

file tugas bisa didownload dari link di sidebar

Note

untuk membuka file ini ikuti petunjuk berikut:

import numpy as np

load_file = np.loadtxt('path/to/the/file/you/download')
load_original = load_file.reshape(4,7,4)

Tugas

1. Identifikasi Kategori Penjualan Tertinggi menurut Lokasi (Slicing Lanjutan):

   • Gunakan teknik slicing tingkat lanjut dalam NumPy untuk menghitung total penjualan untuk setiap kategori di semua ukuran di setiap lokasi.
   • Petunjuk: Anda dapat menggabungkan slicing dasar (:) untuk memilih lokasi tertentu dan masking boolean untuk menjumlahkan di sepanjang sumbu kategori.
   • Identifikasi kategori dengan penjualan tertinggi untuk setiap lokasi.

2. Bandingkan Distribusi Ukuran untuk Kategori Spesifik:

   • Fokus pada kategori tertentu (misalnya, kemeja) di semua lokasi.
   • Gunakan teknik slicing atau pengindeksan array untuk memilih hanya data penjualan kategori tersebut.
   • Hitung total penjualan untuk setiap ukuran (jumlahkan di sepanjang sumbu ukuran).
   • Analisa distribusi ukuran (misalnya, ukuran mana yang paling banyak terjual untuk kategori tersebut secara keseluruhan).

3. Temukan Lokasi dengan Penjualan Rendah pada Ukuran Tertentu:

   • Tentukan ukuran tertentu (misalnya, XL) yang mungkin perlu diisi ulang stoknya.
   • Gunakan masking boolean untuk memilih hanya data penjualan ukuran tersebut dari seluruh array.
   • Hitung total penjualan produk dengan ukuran tersebut di setiap lokasi (jumlahkan di sepanjang semua sumbu lainnya).
   • Identifikasi lokasi dengan penjualan di bawah ambang batas tertentu untuk produk dengan ukuran tersebut, yang menunjukkan potensi kebutuhan untuk mengisi ulang stok.