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，我是否应该采用累积总和来回滚差异？

fcast_cs = dataframe.cumsum()

还有我如何使用这里的反函数回到原来的形式？

Answer 1

def invert_transformation(df_train, df_forecast, second_diff=False):
    """Revert back the differencing to get the forecast to original scale."""
    df_fc = df_forecast.copy()
    columns = df_train.columns
    for col in columns:        
        # Roll back 2nd Diff
        if second_diff:
            df_fc[str(col)+'_1d'] = (df_train[col].iloc[-1]-df_train[col].iloc[-2]) + df_fc[str(col)+'_2d'].cumsum()
        # Roll back 1st Diff
        df_fc[str(col)+'_forecast'] = df_train[col].iloc[-1] + df_fc[str(col)+'_1d'].cumsum()
    return df_fc

refer link