从python中的对数差返回自然数

我正在处理时间序列数据，并使用

numpy

将数字转换为对数差

df['dlog']= np.log(df['columnx']).diff()

然后我用这种转变做出了预测

我怎样才能恢复正常数字？

• 无需反转转换，因为

  columnx

  仍存在于

  df

• .diff（）

  计算一个系列元素与另一个系列元素的差异 系列中的元素。

  • dlog

    的第一行是

    NaN

    。如果没有“基本”编号（例如，

    np.log（764677）

    ），就无法退回转换

输出： 用

np.exp

• 使用

  np.exp

  将对数刻度转换为线性刻度

输出： 进一步说明：

• 如果没有可复制的集合，就不可能提供进一步的解决方案
  • 您可以包括一些数据：
  • 包括用于转换数据的代码：
• 另一个选项是，不使用

  np.log

---

numpy.log

提供一个结果数组，因为它是一个多值函数，没有一个数字。但是，数组中的数字是“正常”的，除了没有正常数值的值，如

Inf

。您是否正在寻找从这些值到

float

的方法？换句话说，你能举一个例子说明你尝试了什么，你得到了什么，你期望得到什么吗？

df = pd.DataFrame({'columnx': [np.random.randint(1_000_000) for _ in range(100)]})
df['dlog'] = np.log(df.columnx).diff()

 columnx      dlog
  764677       NaN
  884574  0.145653
  621005 -0.353767
  408960 -0.417722
  248456 -0.498352

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