如何反转python中时间序列的季节性对数差异

Question

由于我进行了很多搜索但无法解决，请问这个问题可以帮助我。我有一个用于电力消耗的多元数据框，并且正在使用时间序列的VAR（向量自动回归）模型进行预测。我做出了预测，但是我需要反转时间序列（energy_log_diff），因为我应用了季节性对数差异以使意甲稳定，以便获得真实的能量值：

df['energy_log'] = np.log(df['energy'])
df['energy_log_diff'] = df['energy_log'] - df['energy_log'].shift(1)

为此，我首先做了：

df['energy'] = np.exp(df['energy_log_diff']) 

这应该使365天落后的2个值之间存在能量差，但是我不确定这也不是。

我该怎么做？

Answer 1

简短的回答-您必须以相反的顺序运行逆向转换，这对您而言意味着：

1. 差分的逆变换
2. 对数的逆变换

例如，如何将差异化的预测转换回here（它具有R标志，但是没有代码，即使对于Python，想法也相同）。在您的帖子中，您需要计算指数，但是在执行此操作之前，您必须首先求逆。

您可以尝试以下方法：

energy_log_diff_rev = []
v_prev = v_0
for v in df['energy_log_diff']:
    v_prev += v
    energy_log_diff_rev.append(v_prev)
或者，如果您喜欢pandas方式

，则可以尝试执行此操作（仅针对一阶差）：

energy_log_diff_rev = df['energy_log_diff'].expanding(min_periods=0).sum() + v_0
注意v_0值，它是原始值（在对数转换后，差值之前），在上面的链接中进行了描述。 

然后，在此步骤之后，您可以进行指数（对数的倒数）：

energy_orig = np.exp(energy_log_diff_rev)
注意/问题：

• 您提到的滞后值是365，但您正在将数据移动1。这是否意味着您有年度数据？还是您想这样做-改为df['energy_log_diff'] = df['energy_log'] - df['energy_log'].shift(365)（在每天的数据粒度情况下）？
• 您想从预测中获得相反的时间序列，对吗？还是我错过了什么？在这种情况下，您将对预测进行逆变换，而不是对我上面用于解释的数据进行逆变换。