Як перетворити негативні значення на логарифми?

Мені хотілося б знати, як перетворити негативні значення Log(), оскільки у мене є гетерокедастичні дані. Я прочитав, що це працює з формулою, Log(x+1)але це не працює з моєю базою даних, і я продовжую отримувати NaNs в результаті. Наприклад, я отримую це Попереджувальне повідомлення (я не помістив повну базу даних, тому що думаю, що одного із моїх негативних значень достатньо, щоб показати приклад):

> log(-1.27+1)
[1] NaN
Warning message:
In log(-1.27 + 1) : NaNs produced
> 

Спасибі заздалегідь

ОНОВЛЕННЯ:

Ось гістограма моїх даних. Я працюю з палеонтологічним часовим рядом хімічних вимірювань, наприклад, різниця між змінними, такими як Ca і Zn, занадто велика, тоді мені потрібен певний тип стандартизації даних, тому я тестую log()функцію.

Це мої необроблені дані

Оскільки логарифм визначений лише для додатних чисел, ви не можете прийняти логарифм від'ємних значень. Однак якщо ви прагнете отримати кращий розподіл своїх даних, ви можете застосувати наступне перетворення.

Припустимо, ви перекосили негативні дані:

x <- rlnorm(n = 1e2, meanlog = 0, sdlog = 1)
x <- x - 5
plot(density(x))

$(-1,1)$

z <- (x - min(x)) / (max(x) - min(x)) * 2 - 1
z <- z[-min(z)]
z <- z[-max(z)]
min(z); max(z)

і, нарешті, застосувати зворотний гіперболічний дотичний:

t <- atanh(z)
plot(density(t))

Тепер ваші дані виглядають приблизно нормально. Це також називається перетворенням Фішера.

Щоб перетворити його в масштаб журналу, спочатку знайдіть журнал додатного числа, а потім помножте його на його знак, слід зробити наступний код.

transform_to_log_scale <- function(x){
    if(x==0){
        y <- 1
    } else {
        y <- (sign(x)) * (log(abs(x)))
    }
        y 
    }

Використовуючи наведений вище приклад, ми можемо побудувати наступний перекошений розподіл

x <- rlnorm(n = 1e2, meanlog = 0, sdlog = 1)
x <- x - 5
plot(density(x))

Використовуючи функцію перетворення наступним чином, ми отримуємо розподіл, який виглядає більш "нормальним"

plot(density(sapply(x,FUN=transform_logs_scale)))