python差分法_如何在Python statsmodels ARIMA预测中反转差分法？

我正试图用Python和Statsmodels对ARIMA进行预测。具体来说，要使ARIMA算法工作，需要通过差分(或类似方法)使数据保持平稳。问题是：在进行了残差预测之后，如何反转差分，以回到包含趋势和季节性差异的预测？在

(我看到了一个类似的问题here，但是没有答案。)

以下是我到目前为止所做的(基于掌握Python数据分析最后一章中的示例，Magnus Vilhelm Persson；Luiz Felipe Martins)。数据来自DataMarket。在%matplotlib inline

import matplotlib.pyplot as plt

import pandas as pd

from statsmodels import tsa

from statsmodels.tsa import stattools as stt

from statsmodels.tsa.seasonal import seasonal_decompose

from statsmodels.tsa.arima_model import ARIMA

def is_stationary(df, maxlag=15, autolag=None, regression='ct'):

"""Test if df is stationary using Augmented

Dickey Fuller"""

adf_test = stt.adfuller(df,maxlag=maxlag, autolag=autolag, regression=regression)

adf = adf_test[0]

cv_5