NotImplementedError:
statsmodels.tsa.arima_model.ARMA and statsmodels.tsa.arima_model.ARIMA have
been removed in favor of statsmodels.tsa.arima.model.ARIMA (note the .
between arima and model) and statsmodels.tsa.SARIMAX.
statsmodels.tsa.arima.model.ARIMA makes use of the statespace framework and
is both well tested and maintained. It also offers alternative specialized
parameter estimators.
from statsmodels.tsa.api import ARMA
ImportError: cannot import name 'ARMA' from 'statsmodels.tsa.api' (D:\Anaconda3\lib\site-packages\statsmodels\tsa\api.py)
打开api的py文件也确实找不到ARMA了
新版本使用 statsmodels.tsa.arima.model.ARIMA
参考statsmodels.tsa.arima.model.ARIMA用户手册（中文）（statsmodels包）_comli_cn的博客-CSDN博客_statsmodels.tsa
只使用ARIMA来建模
arima_model = ARIMA(train.values,order = (2,1,1)).fit()
arima_model.forecast(24)
model.forecast(5) #为未来5天进行预测， 返回预测结果， 标准误差， 和置信区间
现在，只返回预测的值
arima_model.forecast(24, alpha=0.05)
array([368.11881924, 388.48222683, 395.46681878, 393.2947079 ,
387.69232869, 382.75877224, 380.15348487, 379.70876385,
380.46400225, 381.47675821, 382.19768659, 382.48689353,
382.45458241, 382.28388912, 382.11760756, 382.02125166,
381.99717414, 382.0169932 , 382.04941884, 382.07455706,
382.08600308, 382.08632432, 382.0812702 , 382.07574427])
于是试图从 get_forecast函数读取置信区间
arima_model.get_forecast(24, alpha=0.05)
<statsmodels.tsa.statespace.mlemodel.PredictionResultsWrapper at 0x1411cb78700>
Python从statsmodels库的get_forecast函数读取数据帧，参考
从statsmodels库的get_prediction函数读取数据帧-python黑洞网
https://www.pythonheidong.com/blog/article/473764
pre = arima_model.forecast(24)
conf=arima_model.get_forecast(24).conf_int(alpha=0.05)
最近学习时间序列分析，下载了最新的statsmodels库 ——版本v0.13.1API Reference — statsmodelshttps://www.statsmodels.org/stable/api.html新版本看起来抛弃了 statsmodels.tsa.arima_model如果使用 from statsmodels.tsa.arima_model import ARMAfrom statsmodels.tsa.arima_model import ARMAarma_..
解决使用statsmodels导包时报ImportError: cannot import name 'factorial’的问题。
1、 cannot import name 'factorial’处理
如此报错提示是因为Python中的statsmodels或者scipy版本过低，但是现在的最新版本已经可以了，浏览过很多解决办法，有将scipy版本进行降低的，有直接手动更改过路径的，大概需要改...
这个问题基本可以确定是tushare和pandas版本匹配问题。因为tushare本身有调用pandas，随着tushare版本更新，其调用的pandas版本也在升高。
如果你用低版本tushare做的程序在原来环境下可以使用，但是到了新电脑上出现此问题，最好是更新tushare，问题源自pandas版本高了；（比如我这里遇到的问题），当然也可以降低pandas版本，这涉及到你自己程序可能调用的其他模块。
总的来说，是tuahare、pandas、pip三者之间的某种组合问题。
原因是由于.
未来社会二十年发展的核心技术趋势由ABCD四个字母组成，分别是AI（人工智能）、BlockChain（区块链）、Cloud（云）、和Data（大数据） 每一夜都有全新的认知和感触
11-18
后来查阅资料才知道这是因为statsmodels.tsa.arima_model.ARMA 和statsmodels.tsa.arima_model.ARIMA`已经被弃用`，所以将这个from
statsmodels.tsa.arima_model import ARIMA，改为`from statsmodels.tsa.arima.model import ARIMA`，同时order要设置对应p,d,q参数才能解决问题。
在jupyter notebook编写脚本文件过程中，采用import statsmodels.api as sm导入statsmodels.api模块时报错：cannot import name ‘factorial’ from ‘scipy.misc’。
该问题的发生，一般是因为statsmodels版本与scipy版本不兼容导致的。解决方案有2种：
1、卸载当前版本的scipy，重新安装较低版本的scipy。具体操作步骤如下：
（1）在Anaconda Prompt命令窗口中运行如下命令卸载当前版本：
ARMA是一种统计模型，用于时间序列数据的建模和预测。它是一个自回归滑动平均模型（ARMA模型）的组合，其中AR表示自回归，MA表示滑动平均。
Python是一种流行的编程语言，被广泛用于数据分析和科学计算。Python提供了许多库和工具，使得ARMA模型的实现变得简单而高效。
在Python中，可以使用statsmodels库来拟合ARMA模型。首先，需要将时间序列数据加载到Python中的数据结构中（如pandas的DataFrame）。然后，可以利用statsmodels的ARMA类来创建一个ARMA模型对象，并调用fit方法来估计模型参数。
fit方法返回一个包含已估计参数的结果对象，可以使用该对象来进一步分析模型的拟合效果和预测结果。此外，还可以使用plot_predict方法来可视化模型的预测结果。
除了statsmodels，Python还提供了其他一些库，如pmdarima和pyflux，也可以用于ARMA模型的建模和预测。这些库提供了更高级的功能，如自动选择模型阶数和模型诊断等。
总之，Python是一个功能强大的工具，可以用于ARMA模型在时间序列数据中的应用。它提供了易于使用的库和工具，使得模型的建立、参数估计和预测变得简单而高效。无论是初学者还是专业人士都可以通过Python来探索和分析时间序列数据。
### 回答2：
Arma Python 是一种用于编写Arma游戏脚本的工具，它结合了Arma游戏的模组性和Python编程语言的灵活性和强大性能。
Arma系列游戏是一种非常流行的战术射击游戏，它有着丰富的模组工具和多样的游戏模式。而Arma Python可以让玩家利用Python来自定义游戏内容和逻辑。
使用Arma Python，玩家可以通过编写Python脚本来实现各种复杂的游戏功能，比如创建新的任务和剧情、添加自定义角色和武器、设计AI行为等等。Python的强大性能和简洁的语法使得玩家们可以更加方便地创作并调试自己的创意。
Arma Python还提供了许多Arma游戏的内置API功能，比如创建和操作游戏单位、控制游戏时间和天气、处理玩家输入等等。这些API能够让玩家更加精确地控制游戏的各个方面，提升游戏的乐趣和挑战性。
总之，Arma Python是一种强大的工具，它将Arma游戏的模组性和Python编程的灵活性相结合，让玩家能够更加自由地创造属于自己的游戏体验。无论是对于Arma爱好者还是对于对游戏编程有兴趣的人来说，Arma Python都是一个不可忽视的选择。
https://www.statsmodels.org/stable/api.html