2024-05-16 23:31:49 发布
网友
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
numpy
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
columnx
df
.diff()
dlog
NaN
np.log(764677)
df = pd.DataFrame({'columnx': [np.random.randint(1_000_000) for _ in range(100)]}) df['dlog'] = np.log(df.columnx).diff()
np.exp
np.log
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)
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
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输出:
^{pr2}$用
np.exp
撤消np.log
np.exp
将对数刻度转换为线性刻度。在输出:
进一步说明:
np.log
的情况下生成预测相关问题 更多 >
编程相关推荐