正整数位数 = math.floor(math.log10(n)) + 1；对数缩放将数据映射到log₁₀空间以等距显示数量级，适用于跨量级数据可视化与分析，需对零、负数、小数做预处理。
用 Math.log10() 计算位数和做对数缩放，核心在于理解：正整数的位数 = Math.floor(Math.log10(n)) + 1；而对数缩放本质是把原始值映射到以 10 为底的对数值空间，便于处理跨数量级的数据（如从 1 到 1000000）。
计算正整数的位数（不含符号、小数点）
该方法仅适用于 n > 0 的整数。原理是：10⁰=1（1 位）、10¹=10（2 位）、10²=100（3 位）……所以 log₁₀(n) 的整数部分加 1 就是位数。
-
Math.log10(1)→ 0 →Math.floor(0) + 1 = 1 -
Math.log10(99)→ ≈1.996 →Math.floor(1.996) + 1 = 2 -
Math.log10(100)→ 2 →Math.floor(2) + 1 = 3
⚠️ 注意：对 0、负数或小数需单独处理。例如 0 位数定义为 1；负数可先取绝对值；小数（如 0.005）不适用“位数”常规定义，应转为科学计数法再分析。
对数缩放（Log Scaling）用于科学统计可视化
当数据跨度大（如 0.001 ~ 10000），线性刻度会压缩小值、放大噪声。对数缩放让每个数量级等距显示，符合人眼感知与统计惯例（如地震震级、pH 值、分贝）。
- 基础变换：
logValue = Math.log10(Math.abs(x))（x ≠ 0） - 若含零或负值，常用平移法：
logScaled = Math.log10(Math.abs(x) + ε)，ε 是极小正数（如 1e-10），避免 log(0) 错误 - 为保持可逆性，建议记录所用 ε，并在反变换时还原：
x ≈ Math.sign(original) * (Math.pow(10, logScaled) - ε)
结合位数与缩放的实际应用示例
比如绘制一组实验数据 [2, 47, 1350, 0.008, 92000]，需统一量纲并标注坐标轴：
- 先归一化处理零/负值：添加 ε = 1e-5 → [2.00001, 47.00001, 1350.00001, 0.00801, 92000.00001]
- 计算 log₁₀ 值：≈ [0.301, 1.672, 3.130, -2.097, 4.964]
- 若需“有效位数”提示（如图例标注），对每个值可算其科学记数法指数：
Math.floor(Math.log10(Math.abs(x)))→ 对应 10⁰, 10¹, 10³, 10⁻³, 10⁴
这样既支持视觉等比缩放，又保留数量级语义，满足期刊图表、仪器读数、机器学习特征工程等科学场景要求。
