음수 값을 로그로 변환하는 방법은 무엇입니까?

Log()이 분산 데이터가 있으므로 음수 값을로 변환하는 방법을 알고 싶습니다 . 수식에서 작동한다는 것을 읽었 Log(x+1)지만 데이터베이스에서는 작동하지 않으며 결과적으로 NaN을 계속 얻습니다. 예를 들어이 경고 메시지가 나타납니다 (음수 값 중 하나를 사용하면 예를 보여주기에 충분하다고 생각하기 때문에 전체 데이터베이스를 넣지 않았습니다).

> log(-1.27+1)
[1] NaN
Warning message:
In log(-1.27 + 1) : NaNs produced
> 

미리 감사드립니다

최신 정보:

여기 내 데이터의 히스토그램이 있습니다. 나는 고 생물학적 시계열 화학 측정을 사용하고 있습니다. 예를 들어 Ca와 Zn과 같은 변수의 차이가 너무 큽니다. 그런 다음 일부 유형의 데이터 표준화가 필요 log()합니다. 그래서 함수를 테스트하고 있습니다.

이것은 내 원시 데이터입니다

로그는 양수에 대해서만 정의되므로 음수의 로그를 취할 수 없습니다. 그러나 더 나은 데이터 분포를 얻으려는 경우 다음 변환을 적용 할 수 있습니다.

부정적인 데이터를 왜곡했다고 가정합니다.

x <- rlnorm(n = 1e2, meanlog = 0, sdlog = 1)
x <- x - 5
plot(density(x))

그런 다음 첫 번째 변환을 적용하여 데이터를 놓을 수 있습니다 .$(-1,1)$

z <- (x - min(x)) / (max(x) - min(x)) * 2 - 1
z <- z[-min(z)]
z <- z[-max(z)]
min(z); max(z)

마지막으로 역 쌍곡 탄젠트를 적용합니다 :

t <- atanh(z)
plot(density(t))

이제 데이터가 대략 정규 분포 된 것처럼 보입니다. 이것을 Fisher 변환이라고도합니다.

로그 스케일로 변환하려면 먼저 양수의 로그를 찾은 다음 부호를 곱하면 다음 코드에서이를 수행해야합니다.

transform_to_log_scale <- function(x){
    if(x==0){
        y <- 1
    } else {
        y <- (sign(x)) * (log(abs(x)))
    }
        y 
    }

위의 예를 사용하여 다음과 같은 기울어 진 분포를 그릴 수 있습니다.

x <- rlnorm(n = 1e2, meanlog = 0, sdlog = 1)
x <- x - 5
plot(density(x))

다음과 같이 변환 함수를 사용한 후 더 '정상적인'분포를 얻습니다.

plot(density(sapply(x,FUN=transform_logs_scale)))