Python版Causal Impact：如何获取并导出预测序列的全部数据点？

当然可行，Python版CausalImpact运行后生成的所有预测相关数据都存储在模型对象里，直接提取即可：

1. 获取完整结果数据集
   执行ci.run()后，ci对象的results属性是一个包含所有相关数据的DataFrame，里面涵盖了预测值、实际观测值、置信区间、因果效应等全部内容：

# 提取完整结果数据集
results_df = ci.results

# 查看前几行确认数据内容
print(results_df.head())

2. 核心数据列说明
   这个DataFrame里的关键列包括：

• actual: 原始实际观测值
• predicted: 模型输出的预测值
• predicted_lower/predicted_upper: 预测值的置信区间上下限
• point_effect: 单点因果效应（实际值与预测值的差值）
• 以cumulative_开头的列：对应指标的累计值

3. 导出数据到文件
   利用DataFrame的导出方法，可将数据保存为CSV、Excel等格式，示例如下：

# 导出全部结果到CSV文件
results_df.to_csv("causal_impact_full_results.csv", index=True)

# 若仅需预测相关数据，筛选后导出
prediction_data = results_df[["actual", "predicted", "predicted_lower", "predicted_upper"]]
prediction_data.to_csv("prediction_values.csv", index=True)

这些数据和ci.plot()图表中展示的所有数据点完全对应，不管是预处理期还是干预后的时间段，所有数值都能完整导出。

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