import pandas as pdimport numpy as np# 创建数据data = [10, 20, 30, 40, 50, 60]index = pd.date_range(start='2021-01-01', periods=len(data), freq='D')df = pd.DataFrame({'Value': data}, index=index)# 使用numpy进行预测forecast_period = 3forecast = np.polyfit(np.arange(len(df)), df['Value'], 1)df['Forecast'] = forecast[0] * np.arange(len(df)) + forecast[1]df['Forecast'].iloc[-forecast_period:] = forecast[0] * np.arange(len(df), len(df) + forecast_period) + forecast[1]print(df) 将这段代码用python可视化

以下是使用 Matplotlib 进行可视化的代码：

import matplotlib.pyplot as plt

# 设置图形大小
plt.figure(figsize=(10, 5))

# 绘制原始数据和预测值
plt.plot(df.index, df['Value'], label='Actual')
plt.plot(df.index, df['Forecast'], label='Forecast')

# 设置轴标签和图例
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()

# 显示图形
plt.show()

运行代码后，会生成一张包含原始数据和预测值的线图。你可以通过修改 `plt.figure(figsize=(10, 5))` 中的参数来控制图形的大小，也可以通过修改 `plt.xlabel('Date')` 和 `plt.ylabel('Value')` 来设置轴标签。