用代码生成ARIMA模型

可以使用Python中的statsmodels库来生成ARIMA模型。下面是一个简单的代码示例：

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

# Load data
data = pd.read_csv('data.csv', index_col='date', parse_dates=True)

# Visualize data
plt.plot(data)
plt.title('Time Series Data')
plt.show()

# Split data into training and testing sets
train_data = data[:'2018']
test_data = data['2019':]

# Create ARIMA model
model = ARIMA(train_data, order=(1,1,1))
model_fit = model.fit()

# Generate predictions
predictions = model_fit.forecast(steps=len(test_data))[0]

# Visualize predictions
plt.plot(test_data)
plt.plot(predictions, color='red')
plt.title('ARIMA Predictions')
plt.show()

在这个示例中，我们首先加载了一些时间序列数据（在这里假设为data.csv），然后可视化了它。接下来，我们将数据拆分为训练集和测试集。然后，我们创建了一个ARIMA模型，并将其拟合到训练数据中。最后，我们使用该模型生成了预测，并将其可视化。请注意，这只是一个简单的示例，你需要根据自己的数据和需求进行调整。