具有多个商店的多个产品的时间序列

Question

我的数据集中有300家商店和2万种产品，我想针对每种产品级别的每个网点预测未来3个月的销售预测。我的数据框看起来像这个（样本），就像我从SQL Server 2016中获取的数据框一样

  Date    outlet produ     price
2019-Jan    A     W          10
2019-Feb    A     R          20
2019-Feb    A     W          15
2019-Jan    B     W          30
2019-Jan    B     F          40
2019-Feb    B     W          40

我尝试的是获取整个时间序列中的单个产品观测值，并设置为模型并获取输出

##getthe data set like this

outlet <-c('A','A','B','B')
produ  <-c('W','R','W','F')
price  <-c(10,20,30,40)
df <- data.frame(outlet,produ,price)

##tried to get single product 
dpSingle <- dplyr::filter(df,df$produ  == 'W')
data.ts=ts(Quntity, start=c(year,month), frequency=12)
fit_arima <- auto.arima(data.ts,d=1,D=1,stepwise =  FALSE
                    ,approximation = FALSE, trace = TRUE) 
fcast<-forecast(fit_arima,h=24)
autoplot(fcast) + ggtitle("Forecasted for next 24 months")+ 
ylab("quntity")+xlab("Time in days")
print((exp(fcast$mean )))

但是我想要的是遍历一个数据框，首先确定出口，然后确定产品，并获得具有特征的细节观测值，并将其传递给我的时间序列模型，并分别获得每个产品每个出口的预测。