Return 从 python 的对数差到自然数

Question

我正在处理时间序列数据，并已将数字转换为 numpy 的对数差。

df['dlog']= np.log(df['columnx']).diff()

然后我用那个变换做了预测。

我怎样才能return到正常的数字？

Answer 1

不需要反转转换，因为 columnx 仍然存在于 df
.diff()计算一个Series元素与另一个元素的差异系列中的元素。
- dlog的第一行是NaN。如果没有 "base" 数字（例如 np.log(764677)），则无法退回该转换

df = pd.DataFrame({'columnx': [np.random.randint(1_000_000) for _ in range(100)]})
df['dlog'] = np.log(df.columnx).diff()

输出：

 columnx      dlog
  764677       NaN
  884574  0.145653
  621005 -0.353767
  408960 -0.417722
  248456 -0.498352

使用 `np.exp`

撤消 np.log

使用 np.exp 从对数刻度转换为线性刻度。

df = pd.DataFrame({'columnx': [np.random.randint(1_000_000) for _ in range(100)]})
df['log'] = np.log(df.columnx)
df['linear'] = np.exp(df.log)

输出：

 columnx        log    linear
  412863  12.930871  412863.0
  437565  12.988981  437565.0
  690926  13.445788  690926.0
  198166  12.196860  198166.0
  427894  12.966631  427894.0

进一步说明：

没有可复制的集合，就不可能提供进一步的解决方案
- 您可以包含一些数据：How to make good reproducible pandas examples
- 包括用于转换数据的代码：Minimal, Reproducible Example
另一种选择是，在不采用 np.log

Return 从 python 的对数差到自然数

Return to natural numbers from a logarithmic difference in python

python

numpy

logarithm

time-series

difference

输出：

使用 `np.exp`

输出：

进一步说明：

Return 从 python 的对数差到自然数

Return to natural numbers from a logarithmic difference in python

python

numpy

logarithm

time-series

difference

输出：

使用 np.exp

输出：

进一步说明：

使用 `np.exp`