要计算预测和真实值之间的差异，可以首先将真实值加载到一个 pandas DataFrame 中，然后将预测值和真实值连接在一起，最后计算它们的差异。以下是一个示例代码：```python

import pandas as pd# 假设真实数据保存在 real_data_df 中，其中包含时间列和真实值列
# real_data_df = ...# 将真实数据与预测数据连接在一起
result_df['Real_Data'] = real_data_df['真实值列名称']  # 请替换为实际的列名称# 计算预测和真实值的差异
result_df['Difference'] = result_df['Real_Data'] - result_df['Predicted_Data']# 保存结果到 Excel 文件
result_df.to_excel('C:/Users/47418/Desktop/results_comparison_with_difference.xlsx', index=False)

在这个示例中，`result_df` 是包含预测数据、真实数据和它们之间差异的 DataFrame。您需要根据实际的数据结构调整列名称。

另外，为了确保保存到 Excel 文件中的差异值是浮点数且小数点后保留三位，您可以使用以下代码：

# 将差异值格式化为字符串，保留小数点后三位
result_df['Difference'] = result_df['Difference'].apply(lambda x: "{:.3f}".format(x))# 保存结果到 Excel 文件
result_df.to_excel('C:/Users/47418/Desktop/results_comparison_with_difference.xlsx', index=False)

这将确保 Excel 中的差异值是格式化后的字符串，而不是默认的浮点数。