现有一个命名为“sales”的表格，表格中第一列为“年度“，第二列为”季度数”，第三列为“销量值”，请根据表格，编写python程序代码，预测出未来几个季度的销量值

非常抱歉，作为一个语言模型，我没有办法直接读取表格中的数据。但我可以向您展示一个简单的 Python 代码模板，您可以通过修改它来适应您的数据和模型。

首先，您需要使用 Pandas 库将表格导入到 Python 中。假设您的表格是一个 CSV 文件，您可以使用以下代码将其读入一个 Pandas 的 DataFrame 中：

import pandas as pd

df = pd.read_csv('sales.csv')

然后，您需要将 DataFrame 中的数据分为训练集和测试集。您可以使用 Pandas 的切片功能来实现：

train = df.iloc[:100]
test = df.iloc[100:]

接下来，您需要选择一个适当的模型来拟合您的数据。在这个例子中，我们选择使用线性回归模型。您可以使用 Scikit-Learn 库来实现：

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(train[['年度', '季度数']], train['销量值'])

现在，您可以使用训练好的模型来预测测试集中的销量值：

predictions = model.predict(test[['年度', '季度数']])

最后，您可以将预测值与实际值进行比较，并计算模型的精度指标（如均方误差、平均绝对误差等）。

请注意，这只是一个简单的示例代码，您需要根据您的数据和模型进行适当的修改。如果您需要更高级的模型或数据预处理技术，建议您参考一些机器学习教程或咨询专业的数据科学家。