# -*- coding: utf-8 -*-
import pandas as pd
from tkinter import filedialog
import tkinter as tk
from tkinter import StringVar
from tkinter import ttk
from statsmodels.tsa.arima_model import ARIMA
from datetime import datetime,timedelta,date,time
import warnings
warnings.filterwarnings('ignore')
def op():
    try:
        afew = int(gap01_entry.get())
    except:
        print('沒輸入天數')
        result_label.configure(text = '沒輸入天數')
    sfname = filedialog.askopenfilename(title='選擇 yahoo finance excel ', filetypes=[('Excel', '*.xlsx'), ('All Files', '*')])
    filename = sfname
    df = pd.read_excel(filename,header=0,parse_dates=True,index_col=0,squeeze=True)
    d = pd.date_range(df.index.min(),df.index.max())
    res = pd.Series(df['Close'],d)
    res = res.dropna()
    '''
    B 是按工作日：星期一至五來排
    D 是按每天來排
    '''
    mode = 'B'
    res.index = pd.DatetimeIndex(res.index).to_period(mode)
    '''
    panda serie to data frame
    '''
    df1 = pd.DataFrame(res)
    ddf1 = df1.diff().dropna()
    print(ddf1)
    cols = list(df1.columns)
    tree = ttk.Treeview(root)
    tree.pack()
    tree["columns"] = cols
    for i in cols:
        tree.column(i,anchor="center")
        tree.heading(i,text=i,anchor='center')
    for index, row in df.iterrows():
        tree.insert("",'end',text = index,values=list(row))
    tree.place(relx=0,rely=0.1,relheight=0.5,relwidth=1)
    r = ARIMA(ddf1,(1,2,0))
    model_fit = r.fit(disp=0)
    pred = model_fit.predict(start = df.index.max()+timedelta(0), end = df.index.max()+timedelta(afew),typ='levels',dynamic =True)
    '''
    cumsum 還原
    '''
    tsr = pd.Series([res[0]], index=[res.index[0]]).append(pred).cumsum()
    dfp = pd.DataFrame(tsr)
    '''
    dfp = dfp.loc[df.index.max()+timedelta(1):df.index.max()+timedelta(afew)]
    加這行或不加這行的做用
    加：  預測結果可能已算好所有日期的預測值，只是選擇從原始資料的最後斷點日期繼續開始，往後預測值而已。
    不加：預測結果可能會重疊到原始資料後期某段時間，二者開始重合，預測結果開始接觸原始資料某段時間，繼續往後產出預測值，兩兩可以比較。
    '''
    dfp = dfp.loc[df.index.max()+timedelta(1):df.index.max()+timedelta(afew)]
    dfp.columns = [str(afew)+' 天左右的預測價格']
    print(res)
    print(dfp)
    c =list(dfp.columns)
    treep = ttk.Treeview(root)
    treep.pack()
    treep['columns'] = c
    for i in c:
        treep.column(i,anchor="center")
        treep.heading(i,text=i,anchor='center')
    for index, row in dfp.iterrows():
        treep.insert("",'end',text = index,values=list(row))
    treep.place(relx=0,rely=0.6,relheight=0.5,relwidth=1)
#print('-----'+ str(afew) +' day forecast predict data-----\n'+str(pred))
def main():
    global root
    root = tk.Tk()
    root.geometry("800x600")
# 只能輸入數字的數字框
    def test(content):
        if content.isdigit() or (content==""):return True
        else:return False
#請輸入想要幾天的資料
    v01=StringVar()
    testCMD=root.register(test)
    gap01_frame = ttk.Frame(root)
    gap01_frame.pack(side=tk.TOP)
    gap01_label = ttk.Label(gap01_frame, text='請輸入想要幾天的資料（預設六十二天 約略預測二個月）')
    gap01_label.pack(side=tk.LEFT)
    global gap01_entry
    gap01_entry = ttk.Entry(gap01_frame,textvariable=v01,validate='key',validatecommand=(testCMD,'%P'))
    gap01_entry.pack(side=tk.LEFT)
    gap01_entry.insert(0, "62")
    global result_label
    result_label = tk.Label(root)
    result_label.pack()
    B1 = tk.Button(root, text="打開 yahoo finance excel ",command = op).pack()
    root.mainloop()
if __name__=='__main__':
 main()

有沒有 .cumsum（） 還原差分的差別
有：先將原始資料差分，再將差分後的原始資料置入 arima ， arima 預測完的資料用 .cumsum（）還原回來
預測結果漲跌幅度大
沒有：直接將原始資料置入 arima
預測結果波動不大，趨近於某一值
不好意思打擾各位大大了！請問各位大大，有什麼還原差分的辦法呢？謝謝！