用对数和差异将（预测的）值转换为原始格式

Question

我在python中使用ARIMA方法，并在Train和Test split中拆分数据。 我的理解是，如果我使用np.log和diff()，我可以将其转换为np.exp和cumsum()。以下示例来自stackoverflow并正在工作：

import pandas as pd
import numpy as np
np.random.seed(0)
s = pd.Series(np.random.uniform(10,10000, size=50))
df = s.to_frame()
df.columns = ['test']
df['new'] = np.log(df['test']).diff()
df['new'][0] = np.log(df['test'][0])
df['reserve'] = np.exp(df['new'].cumsum())

测试和保留的结果匹配1到1。 但是，如果我拆分数据框：

df['new'] = np.log(df['test']).diff()
df['new'][0] = np.log(df['test'][0])
df2 = df[-30:]
df2['reserve'] = np.exp(df2['new'].cumsum())

这不再匹配，我认为是因为cumsum（），但是解决方法是什么？我将对这部分数据进行预测，那么如何获得对df ['test']的原始大小有意义的保留列，或者根本不起作用？