Python statsmodels ARIMA plot_predict如何提取生成的预测数据

plot_predict本质是调用预测接口生成数值后再渲染图表，你可以直接调用ARIMAResults的内置方法提取对应预测数值，步骤如下：

步骤1：提取预测数值 #

假设你训练完成的ARIMA结果对象名为arima_result，预测周期为5年（对应5个步长），可根据需求选择两种提取方式：

• 方式1：获取和plot_predict输出完全对齐的数值（支持包含历史拟合区间）
  传入和你调用plot_predict时完全一致的start、end参数即可：

  # start为预测起始时间、end为预测结束时间（可覆盖历史+未来区间）
  pred_all = arima_result.predict(start=你的预测起始时间, end=你的预测结束时间)
  

• 方式2：仅提取未来5年的预测值+置信区间（更适合导出给Power BI使用）

  n_forecast = 5
  # 生成未来n期预测结果对象
  forecast_res = arima_result.get_forecast(steps=n_forecast)
  # 提取预测均值
  forecast_mean = forecast_res.predicted_mean
  # 提取95%置信区间上下限，可通过alpha参数调整置信度
  forecast_ci = forecast_res.conf_int(alpha=0.05)
  

步骤2：导出为Power BI可识别的格式 #

方案A：本地导出CSV后导入Power BI #

import pandas as pd
# 合并所有数据为结构化DataFrame
forecast_df = pd.DataFrame({
    "预测值": forecast_mean,
    "95%置信区间下限": forecast_ci.iloc[:, 0],
    "95%置信区间上限": forecast_ci.iloc[:, 1]
})
# 把时间索引转为普通列，方便Power BI识别时间字段
forecast_df = forecast_df.reset_index().rename(columns={"index": "日期"})
# 导出为UTF-8编码的CSV，避免中文乱码
forecast_df.to_csv("ARIMA未来5年预测结果.csv", index=False, encoding="utf-8-sig")

导出完成后直接在Power BI中选择「获取数据>文本/CSV」即可导入该文件。

方案B：直接在Power BI中调用Python脚本生成数据 #

你可以把训练ARIMA模型+生成预测DataFrame的代码直接复制到Power BI的「获取数据>Python脚本」输入框中，代码最后输出forecast_df即可，Power BI会自动识别该DataFrame作为可用数据源。

内容的提问来源于stack exchange，提问作者DIssawi