在使用model = ARIMA(train_data_arr, order=(0, 1, 1))进行训练后，想要对在测试集test_data_arr上进行预测，并打印真实值和预测值的对照表，计算相对误差和残差，同时绘制预测值和真实值的图（在同一张图中显示，两条折线使用不同的颜色），怎么做

在使用ARIMA模型进行训练后，可以使用`forecast`方法对测试集进行预测，并计算相对误差和残差，同时使用Pandas库打印真实值和预测值的对照表，并使用Matplotlib库绘制预测值和真实值的图。下面是一个示例代码：

import pandas as pd
import numpy as np
from statsmodels.tsa.arima_model import ARIMA
import matplotlib.pyplot as plt

# 训练 ARIMA 模型
model = ARIMA(train_data_arr, order=(0, 1, 1))
model_fit = model.fit(disp=0)

# 对测试集进行预测
predictions = model_fit.forecast(steps=len(test_data_arr))[0]

# 计算相对误差和残差
relative_errors = np.abs((test_data_arr - predictions) / test_data_arr)
residuals = test_data_arr - predictions

# 打印真实值和预测值的对照表
df = pd.DataFrame({'True': test_data_arr, 'Predicted': predictions})
print(df)

# 绘制预测值和真实值的图
plt.plot(test_data_arr, label='true')
plt.plot(predictions, label='predicted')
plt.legend()
plt.show()

在这个例子中，我们首先训练了ARIMA模型，并使用`forecast`方法对测试集进行预测，得到预测结果`predictions`。然后，我们计算相对误差和残差，并使用Pandas库打印真实值和预测值的对照表。最后，我们使用Matplotlib库绘制预测值和真实值的图，其中`plot`函数用于绘制折线图，`label`用于设置图例，`legend`用于显示图例，`show`用于显示图形。

要在同一张图中显示预测值和真实值的折线图，只需要在`plot`函数中分别传递`test_data_arr`和`predictions`作为参数，并使用不同的颜色区分它们即可。例如，可以将真实值的折线设置为蓝色，将预测值的折线设置为红色，代码如下：

plt.plot(test_data_arr, color='blue', label='true')
plt.plot(predictions, color='red', label='predicted')
plt.legend()
plt.show()

这样，就可以在同一张图中显示预测值和真实值的折线图，并使用不同的颜色区分它们。