statsmodels 0.13.2中ARIMAResults无plot_predict属性报错咨询

statsmodels在版本迭代过程中对ARIMA模块的API做了调整：0.12.0及之后的版本，已经将原本绑定在ARIMAResults对象上的plot_predict实例方法移除，统一迁移到独立的时间序列绘图工具模块下。你使用的0.13.2版本属于调整后的版本，因此直接调用model_fit.plot_predict()会触发属性不存在的报错，不属于代码逻辑错误。

• 方法1：调用官方迁移后的独立绘图函数（最推荐，和原方法逻辑完全兼容）
  从时间序列绘图模块导入独立的plot_predict函数，替换原有绘图代码即可，原有参数无需修改：

  import matplotlib.pyplot as plt
  import statsmodels.api as sm
  # 新增导入绘图函数
  from statsmodels.graphics.tsaplots import plot_predict
  
  model = sm.tsa.arima.ARIMA(df.Sales, order=(1,1,1))
  model_fit = model.fit()
  print(model_fit.summary())
  
  # Actual vs Fitted
  plot_predict(model_fit, dynamic=False)
  plt.show()
  

• 方法2：手动提取拟合值自定义绘图（灵活度最高）
  如果需要自定义绘图样式，可以直接从训练好的模型对象中提取样本内拟合值，和真实值拼接后自行绘图：

  import matplotlib.pyplot as plt
  
  model = sm.tsa.arima.ARIMA(df.Sales, order=(1,1,1))
  model_fit = model.fit()
  print(model_fit.summary())
  
  # Actual vs Fitted
  plt.figure(figsize=(12, 6))
  # 绘制真实值
  plt.plot(df.Sales, label='Actual Sales')
  # 绘制模型拟合值
  plt.plot(model_fit.fittedvalues, label='Fitted Values', color='darkorange')
  plt.legend()
  plt.show()
  

  注：由于你设置的差分阶数d=1，模型返回的拟合值会自动和原始序列索引对齐，差分导致的前序缺失值会自动填充为NaN，不会干扰绘图结果。

• 方法3：降级statsmodels版本（不推荐）
  可以将statsmodels降级到0.11.x及更早的版本，即可直接使用model_fit.plot_predict()的旧写法，但旧版本存在较多已修复的逻辑bug和性能问题，非特殊情况不建议使用。

内容的提问来源于stack exchange，提问作者MohammedE