这可能是因为model_fit.plot_predict()默认使用了forecast()方法而非predict()方法。可以手动指定使用predict()方法来得到和model_fit.predict()相同的结果，具体操作可以参考以下示例代码：

import pandas as pd
from statsmodels.tsa.arima_model import ARIMA
from matplotlib import pyplot as plt

# 读取数据并设置索引
data = pd.read_csv('data.csv', index_col=0, parse_dates=True)

# 构建ARIMA模型
model = ARIMA(data, order=(1, 1, 1))
model_fit = model.fit(disp=0)

# 使用forecast()方法得到预测结果并绘图
fig, ax = plt.subplots()
ax = data.plot(ax=ax)
fig = model_fit.plot_predict(start='2017-01-01', end='2018-01-01', dynamic=True, ax=ax, plot_insample=False)

# 使用predict()方法得到预测结果并绘图
fig, ax = plt.subplots()
ax = data.plot(ax=ax)
forecast = model_fit.predict(start='2017-01-01', end='2018-01-01', dynamic=True)
ax = forecast.plot(ax=ax, style='r--', label='Prediction')
plt.legend(loc='best')
plt.show()