Pandas本身并不提供ARIMA模型的實現，但可以使用statsmodels庫來進行ARIMA模型的擬合。下面是一個簡單的示例代碼：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima.model import ARIMA
# 生成時間序列數據
np.random.seed(0)
data = np.random.randn(100)
ts = pd.Series(data, index=pd.date_range('20210101', periods=100))
# 擬合ARIMA模型
model = ARIMA(ts, order=(1, 1, 1))
result = model.fit()
# 繪制原始數據和擬合結果
plt.figure(figsize=(12, 6))
plt.plot(ts, label='Original Data')
plt.plot(result.fittedvalues, color='red', label='ARIMA Fit')
plt.legend()
plt.show()
在上面的代碼中，我們首先生成了一個隨機的時間序列數據，然后使用statsmodels庫中的ARIMA模型進行擬合，并將擬合結果和原始數據進行對比繪圖展示。您可以根據自己的數據和需求來調整ARIMA模型的參數和擬合方法。
