Pandas 时间序列数据预测（基于带移位的增量（1））

我有按递增顺序排列的时间序列数据，如下所示：

**dataset 1**
----------------------
date    value
----------------------
date1   10
date2   12
date3   13
date4   15
----------------------

如果我使用标准模型进行预测，我会得到一个没有任何问题的好结果

我的问题是：我能用移位（1）得到数据的增量，并使用得到的序列进行预测吗？其增量值如下所示：

**dataset 2**
----------------------
date    value
----------------------
date1   0
date2   2
date3   1
date4   2
----------------------

---

我是否将好的数据转化为“白噪声”？您对此有何建议？

获取时间序列的增量是本课程的一部分。如果三角洲不是静止的，那么对它们的进一步分析可以显示趋势和季节性。当差分不产生白噪声时，情况正是如此

---

也就是说，您可能没有必要从头开始开发它。例如，库包含？AR？MA？模型（即自回归移动平均模型，可能是综合模型）。您可能需要特别检查。

感谢您的详细回答（仅限使用statsmodels.tsa试用）。如果我取时间序列上的delta并使用AR、MA、ARMA或ARIMA进行预测会怎么样？希望ARIMA采用delta并将其用作组件之一，我为ARIMA采用delta是否有错误？**采用delta（我的数据集并在ARIMA中使用）@M.Gopal

statsmodels.tsa

中的模型已经处理了delta。如果不将它们应用于三角洲，可能会更好。