对数变换：保留零值、负值与估计目标
取对数不仅改变显示尺度，也改变研究目标。零值和负值不能悄悄消失，否则汇总总体已经变化。让AI拟合或比较对数数据前，应明确有效定义域、单位以及结果解释。
NumPy对数文档说明自然对数，并展示零和无效实数输入的处理。负无穷或非数是计算输出，不是可以直接删除相关经济观测的许可。
写明变换契约
保留原始值x、单位、变换值、定义域状态和偏移常数。实数ln(x)要求x>0。零可能有真实经济含义，财务负值也可能是亏损而不是错误，选方法前先保留这些解释。
若任务只关注正值，应明确写成受限总体，并报告排除多少行。原目标若包括所有公司或所有期间，正值对数汇总回答的是另一问题。删去亏损公司后，不能仍称全体公司平均。
对数底数也需说明。自然对数与常用对数差一个常数倍，系数尺度会改变。预处理顺序同样保存：平减、货币换算、聚合和取对数未必可以交换。
假设案例：算术与几何均值
假设虚构正值样本为1和9，单位一致。算术平均是5；平均自然对数为(ln1＋ln9)÷2＝ln3，指数还原得到3，即几何均值。
| 汇总 | 假设结果 | 目标 |
|---|---|---|
| 原值平均 | 5 | 算术均值 |
| 对数平均 | 约1.098612 | 对数尺度均值 |
| 对数均值取指数 | 3 | 几何均值 |
5与3的差不是舍入错误。先平均对数再取指数，通常不能还原原值平均。模型在对数尺度预测后，如果目标是原单位算术均值，也需要明确还原策略；不能不核分布假设就自动加一个方差修正。
现在加入一个零值，普通对数不再给全样本有限实数汇总。删零改变总体，用很小正数代零改变数据，都不能无记录地发生。
检查偏移和单位
偏移变换ln(x＋c)仍要求x＋c>0，c应与x使用同一物理单位。加一美元后再换算，不等于把金额用千美元表示后再加一千美元。
假设金额100美元，ln(100＋1)约4.615121。换成0.1千美元后再加一，ln(1.1)约0.095310。这是不同变换，不是同一结果换标签。
log1p数值函数有助计算ln(1＋x)，却不能决定偏移是否合理，也不能解决x≤−1的实数定义域问题。其他可接受负值的变换仍需解释，能运行不代表回答原经济问题。
交付可解释结果
展示原分布、排除状态数量、变换和目标统计量。先用正值、零值、负值的小数据测试，再跑整个面板。定义域失败与来源缺失分开，避免提取错误被伪装成数学排除。
变换估计与原单位汇总分别标注。单位改变、新增负值、偏移改变或目标变化时复查。图形更平滑，不足以证明可以删除研究最关心的案例。
增长解释也要限定。对数差与普通百分比变化通常只是近似关系，较大变动时不能直接互称；两个正值的精确比率可以由对数差取指数恢复。不能对跨零序列硬套这种解释，再把不存在的实数对数写成经济增长率。
还应把数学定义域与业务异常分开。有些负数来自有效冲销，有些来自错误符号；两者都不能由对数函数自行判断。复核者应回到原始来源确定含义，再决定保留、纠错或使用适当目标。若团队更换偏移常数，历史系数与图表应重新计算，不能把旧结果接在新序列上造成看似连续的趋势。每次变换保留原值，才可能审计这些差别。保留原值，不可覆盖。
常见问题
平均对数取指数就是普通平均吗？
不是。对正值等权数据得到几何均值，恢复算术均值需要额外处理。
加一就让所有对数安全了吗？
不能。定义域限制仍在，偏移依赖单位，变换目标也必须解释。