从python中的对数差返回到自然数

Question

我正在处理时间序列数据，并使用numpy将数字转换为对数差。在

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

然后我用这个转变做了预测。在

我怎样才能回到正常的数字？在

Answer 1

• 不必反转转换，因为columnx仍然存在于df中
• .diff()计算一个序列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“基”数（例如np.log(764677)），就没有一种方法可以使转换倒退

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

输出：

^{pr2}$

用np.exp撤消np.log

• 使用np.exp将对数刻度转换为线性刻度。在

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：

• 没有一套可复制的装置，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
• 另一个选择是，在不使用np.log的情况下生成预测