ARIMA时间序列预测模型预测销售数据时触发AttributeError，同逻辑代码适配SARIMAX模型正常的原因排查

咱们来拆解一下为什么你的ARIMA代码会触发这个AttributeError，而相同逻辑的SARIMAX代码却能正常运行：

核心原因是你使用的旧版ARIMA与SARIMAX的forecast()方法返回值类型完全不同：

• 你导入的是from statsmodels.tsa.arima_model import ARIMA，这是statsmodels中的旧版ARIMA实现。它的forecast()方法返回的是一个三元组，包含三个元素：
  1. 预测值数组（也就是你想要的"mean"）
  2. 预测值的标准误差数组
  3. 预测值的置信区间数组
• 而SARIMAX的forecast()方法返回的是一个带有属性的结果对象（通常是pandas.Series），所以你可以直接访问.mean属性。

当你尝试执行predictions_int.mean时，本质是在操作一个元组，而元组并没有mean这个属性，因此触发了报错。

方案1：直接从元组提取预测值 #

针对旧版ARIMA，只需取返回元组的第一个元素就能得到你需要的预测均值序列：

from statsmodels.tsa.arima_model import ARIMA 
AReg=sm.tsa.ARIMA(store1_df_new, order=(1, 0, 1)) 
res_ARIMA=AReg.fit() 
# 执行预测，得到三元组结果
predictions_int = res_ARIMA.forecast(steps=11) 
# 提取预测均值（元组的第一个元素）
predicted_mean = predictions_int[0]
print(predicted_mean)

方案2：切换到新版ARIMA接口（推荐） #

statsmodels已经将旧版arima_model标记为废弃状态，推荐使用新版from statsmodels.tsa.arima.model import ARIMA。新版ARIMA的API设计与SARIMAX完全对齐，forecast()方法返回的是pandas.Series，你可以直接沿用SARIMAX的代码逻辑：

# 注意导入路径的变化
from statsmodels.tsa.arima.model import ARIMA 
AReg=ARIMA(store1_df_new, order=(1, 0, 1)) 
res_ARIMA=AReg.fit() 
# 执行预测，返回Series对象
predictions_int = res_ARIMA.forecast(steps=11) 
# 若需要计算预测值的整体均值，直接调用.mean()方法即可
print(predictions_int.mean())

旧版ARIMA返回元组的设计是statsmodels早期的API风格，后续为了统一所有时间序列模型的使用体验，新版ARIMA和SARIMAX都采用了更友好的结果对象返回方式——不仅使用起来更直观，还能直接利用pandas Series的各种便捷操作（比如可视化、统计计算等）。

内容的提问来源于stack exchange，提问作者user17756343