python-3.x - 如何在 Python 中反转一阶差分?
问题描述
我想知道一种简单有效的方法来反转python中的一阶(滞后1)线性差分数据。我有一个带有 3 个 exog 变量 a、b 和 c 的多元 TS。虽然有几个关于反函数的博客,但似乎都针对复杂的场景,我无法为我的问题找到一些帮助,这并不复杂。我是 python 新手,正在为我的学术工作写一篇论文。因此,希望与社区联系以获得简单的解决方案。
我正在使用向量自动回归模型进行预测。如果我的以下编码有任何问题,请提出其他建议。
diff = originaldata.diff().dropna()
model = VAR(diff)
result = model.fit()
fcast = result.forecast(diff.values[-1:], steps=2)
dataframe = pd.DataFrame(fcast, index=originaldata.index[-2:],
columns = originaldata.columns
考虑到将差异预测累积添加到最后的累积观察中,我是否应该使用累积总和来回滚差异?
fcast_cs = dataframe.cumsum()
还有我如何在这里使用反函数回到原来的形式?
解决方案
推荐阅读
- javascript - 从 Javascript 传递到 Java 时,具有高 Unicode 字符的字符串会损坏
- elasticsearch - 我们可以使用 Elasticsearch SQL 来插入或更新数据吗?
- python - 基于日期的散景表过滤器
- python - 用python读取一个简单的.txt文件,为什么这个简单的代码会输出每一行?python怎么知道它应该这样做?
- laravel - 使用 laravel 批量打印 PDF 文件
- php - Laravel:从多维数组保存到数据库
- android - 一次设置大约 50 个 AlarmManager 会对电池寿命产生负面影响吗?
- mysql - 计算不同折扣范围的产品
- c# - 如何防止 Guid.NewGuid() 在同一实例中生成第二个 guid?
- python-3.x - 如何使用 pandas read_excel 方法为 excel 文件创建权限?