Python Pandas中是否有一个很好的快捷方式来从一阶差分时间序列恢复实际值？

我得到了

timeseries=（training，test）

，然后我使用Pandas

.diff（）

操作符对

training

部分时间序列（

diff\u training\ts

）进行操作，使我的时间序列保持稳定，然后我使用

diff\u training\u set

预测测试值

显然，我的预测值还不是真的，我必须对它们进行积分

现在我想计算

sqrt（rmse（test，predicted））

，问题是我必须恢复真实值，我使用

cumsum（）

和其他工具编写了一段代码，但它看起来很粗糙（还有一个bug）。对于这种操作，熊猫有没有一条好的捷径

UPD：

---

如果我删除cumsum:imgur.com/a/OEiDXXk，这里有一个结果，但这里有一个例子：源数据：

df=3101154

where

{3,10,12}=training

，

{15,4}=test

。在

df=df.diff（）

->

diff={NaN 7 2 3-11}

->

diff\u training={7，2}

，

diff\u test={3，-11}

diff\u test.cumsum（）={3，-8}

，

seed=3

，

term\u-to\u-add 12

之后，我们可以得到真实的测试值

你怎么知道1来自2-1还是100000-99999？@coldspeed我自制的实现基本上需要一个

seed=train[0]

，然后我总结了所有的训练差异->

term\u to\u add=seed+diff\u training.sum（）

。然后我预测测试值并使其成为现实，我做

test=test.cumsum（）；测试+=从项到项的添加问题是我显然需要执行cumsum（），但如果我删除该行，它就可以工作（至少在视觉上）了。这就是你要问的吗@拉斐尔：是的，但这是另一种自行车运动。我相信你不能在numpy中使用循环。@coldspeed这是我自制的代码，有一个bug（关于cumsum）：