Comment transformer des valeurs négatives en logarithmes?

Je voudrais savoir comment transformer des valeurs négatives en Log(), car j'ai des données hétéroscédastiques. J'ai lu que cela fonctionne avec la formule Log(x+1)mais cela ne fonctionne pas avec ma base de données et je continue à obtenir des NaN en conséquence. Par exemple, je reçois ce message d'avertissement (je n'ai pas mis ma base de données complète parce que je pense qu'avec une de mes valeurs négatives suffit pour montrer un exemple):

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

Merci d'avance

MISE À JOUR:

Voici un histogramme de mes données. Je travaille avec des séries paléontologiques de mesures chimiques, par exemple la différence entre des variables comme Ca et Zn est trop grande, alors j'ai besoin d'un certain type de standardisation des données, c'est pourquoi je teste la log()fonction.

Ce sont mes données brutes

Étant donné que le logarithme n'est défini que pour les nombres positifs, vous ne pouvez pas prendre le logarithme des valeurs négatives. Cependant, si vous souhaitez obtenir une meilleure distribution de vos données, vous pouvez appliquer la transformation suivante.

Supposons que vous ayez biaisé les données négatives:

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

alors vous pouvez appliquer une première transformation pour que vos données se trouvent dans :$(-1,1)$

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

et enfin appliquer la tangente hyperbolique inverse:

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

Maintenant, vos données semblent distribuées approximativement normalement. Ceci est également appelé transformation de Fisher.

Pour le transformer en échelle logarithmique, recherchez d'abord le log du nombre positif puis multipliez-le par son signe, le code suivant devrait le faire.

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

En utilisant l'exemple ci-dessus, nous pouvons tracer la distribution asymétrique suivante

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

Après avoir utilisé la fonction de transformation comme suit, nous obtenons une distribution qui semble plus «normale»

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