当我记录转换熊猫列时，我得到 NaN，我应该用 0 替换它们吗？答案

【问题标题】：When i log transform pandas column i get NaNs should i replace these with 0?当我记录转换熊猫列时，我得到 NaN，我应该用 0 替换它们吗？
【发布时间】：2020-05-20 08:23:43
【问题描述】：

我找不到类似的问题。但是我有一个 df，其中一些列高度倾斜。然后我计划记录转换这些列然后标准化。但是，当我记录转换时，我会得到 NaN，我应该用 0;s 替换它们吗？

log_train[skew_cols]=np.log2(featuresdf[skew_cols]

我得到的错误是：

RuntimeWarning: invalid value encountered in log2
  This is separate from the ipykernel package so we can avoid doing imports until

不知道我做错了什么

【问题讨论】：

标签： pandas normalization logarithm

【解决方案1】：

您不应该用 0 替换，因为 np.log(1) 等于 0。所以 1 和 0 在您的日志数据中都是 0。

相反，只需在日志之前为您的数据 +1。因此 log2(1) 变为 0，log2(2)（原为 1）仍为 1，则 log2(3)（原为 2）现在为 1.58）

所以代码是：

log_train[skew_cols]=np.log2(featuresdf[skew_cols]+1)

另一种选择是使用其他可以处理0的缩放方法，例如平方根（np.sqrt）

【讨论】：

非常感谢。在我对它们进行日志转换后，这些列仍然偏斜。我想要记录转换这些列的全部意义在于它已准备好进行逻辑回归
没问题，请记住，对于逻辑回归，误差项（残差）不需要呈正态分布（就像它们对线性的分布一样）。所以这可能不是必需的。
这为我省去了一个痛苦的世界，但它们不需要缩放吗？
取决于您要使用模型的目的。有时，按比例衡量的指标可能变得更难以解释。请记住，赔率是 x 增加 1 个单位导致结果的可能性增加 y 倍。如果您的变量被缩放，模型的可解释性可能会变得更加困难。另外，如果这个答案确实回答了您的问题，最好接受这个答案。