ARIMA模型预测python代码

下面是使用Python实现ARIMA模型进行时间序列预测的示例代码：

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

# 读取时间序列数据
data = pd.read_csv('data.csv', parse_dates=['date'], index_col='date')

# 分离训练集和测试集
train = data[:'2019']
test = data['2020':]

# 拟合ARIMA模型
model = ARIMA(train, order=(1, 1, 1))
model_fit = model.fit(disp=0)

# 预测未来值
forecast = model_fit.forecast(steps=len(test))[0]

# 绘制预测结果和实际值
plt.plot(test.index, test.values, label='actual')
plt.plot(test.index, forecast, label='forecast')
plt.legend()
plt.show()

其中，`data.csv`是包含时间序列数据的CSV文件，格式如下：

date,value
2010-01-01,10.2
2010-01-02,13.7
2010-01-03,8.9
...

首先读取数据，然后将数据分为训练集和测试集。接着，使用ARIMA模型拟合训练集的数据，并使用模型进行预测，得到测试集的预测结果。最后，绘制预测结果和实际值的对比图。