python-3.x - 如何在 Python 中反转一阶差分？

Question

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？

标签： python-3.xtime-seriesinverse