直接用 np.log 报错因数据含0或负数，log仅对正数有定义；应优先用 np.log1p 处理非负数据，它对近零值更稳定，且须配 np.expm1 反变换。
为什么直接用 np.log 会报错 RuntimeWarning: divide by zero encountered in log
因为原始数据里有 0 或负数，而对数在实数域只对正数有定义。NumPy 默认不拦截非法输入，np.log(0) 返回 -inf，np.log(-1) 返回 nan，后续计算容易崩。常见于计数型特征（如点击次数、订单量）或归一化前的图像像素值。
解决思路不是“避开错误”，而是明确处理策略：
- 若业务允许，统一加一个极小正偏移（如
1e-9），再取对数：np.log(x + 1e-9) - 若数据天然非负（含 0），优先用
np.log1p—— 它专为log(1 + x)优化，对接近 0 的x数值更稳定 - 若含负数且必须保留符号信息，先做符号分离：
np.sign(x) * np.log1p(np.abs(x))
np.log1p 和 np.log 在 x 接近 0 时结果差多少？
差别肉眼可见。np.log(1 + 1e-16) 会因浮点精度丢失返回 0.0，而 np.log1p(1e-16) 能正确返回约 1e-16。这对低频事件建模（如稀疏用户行为）很关键。
实操建议：
- 只要数据 ≥ 0，无条件用
np.log1p替代np.log(x + 1) - 不要手写
np.log(x + eps)里的eps—— 选太小没用，选太大扭曲分布；np.log1p内部已做最优处理 - 验证方法：对
x = np.array([0, 1e-10, 1e-5])分别跑两种函数，打印结果对比
如何对 DataFrame 的多列同时做对数变换并保留原结构？
别用循环遍历列名，也别用 apply 套 lambda —— 既慢又难调试。直接利用 NumPy 的广播能力：
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
import numpy as np
import pandas as pd
<p>df = pd.DataFrame({'a': [0, 1, 10, 100], 'b': [1, 2, 3, 4]})</p><h1>对指定列批量应用 log1p</h1><p>cols_to_transform = ['a', 'b']
df[cols_to_transform] = np.log1p(df[cols_to_transform].values)</p>
注意三点：
- 必须用
.values转成 ndarray，否则 Pandas 可能触发隐式类型转换或警告 - 赋值后列类型默认变成
float64，如果原先是整型且需保持，后续可手动astype - 若某列含
NaN，np.log1p会原样保留NaN，无需额外处理
对数变换后还要反变换回来，该用哪个函数？
严格对应：用 np.log1p 变换的，必须用 np.expm1 反变换；用 np.log 的，用 np.exp。混用会导致数值偏差，尤其在小值区域。
例如：
x = np.array([0, 0.001, 0.1]) y = np.log1p(x) # [0., 0.0009995, 0.09531018] x_back = np.expm1(y) # 精确还原为原数组
容易被忽略的点：
-
np.expm1同样针对exp(x) - 1优化，当y很小时，np.exp(y) - 1会因浮点误差失真，而np.expm1(y)不会 - 模型预测输出如果是
log1p尺度，部署时反变换一步不能省，也不能写成np.exp(y) - 1
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
