Come trasformare valori negativi in ​​logaritmi?

Vorrei sapere come trasformare valori negativi in Log(), poiché ho dati eteroschedastici. Ho letto che funziona con la formula Log(x+1)ma questo non funziona con il mio database e continuo a ottenere NaN come risultato. Ad esempio, ricevo questo messaggio di avviso (non ho inserito il mio database completo perché penso che con uno dei miei valori negativi sia sufficiente per mostrare un esempio):

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

Grazie in anticipo

AGGIORNARE:

Ecco un istogramma dei miei dati. Sto lavorando con serie temporali paleontologiche di misurazioni chimiche, ad esempio la differenza tra variabili come Ca e Zn è troppo grande, quindi ho bisogno di un tipo di standardizzazione dei dati, ecco perché sto testando la log()funzione.

Questi sono i miei dati non elaborati

Poiché il logaritmo è definito solo per numeri positivi, non è possibile prendere il logaritmo di valori negativi. Tuttavia, se si intende ottenere una migliore distribuzione dei dati, è possibile applicare la seguente trasformazione.

Supponiamo che tu abbia distorto i dati negativi:

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

quindi puoi applicare una prima trasformazione per far risiedere i tuoi dati :$(-1,1)$

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

e infine applicare la tangente iperbolica inversa:

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

Ora, i tuoi dati sembrano approssimativamente distribuiti normalmente. Questo è anche chiamato trasformazione di Fisher.

Per trasformarlo in una scala di registro, prima trova il registro del numero positivo, quindi moltiplicalo per il suo segno, il seguente codice dovrebbe farlo.

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

Usando l'esempio sopra possiamo tracciare la seguente distribuzione distorta

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

Dopo aver usato la funzione di trasformazione come segue, otteniamo una distribuzione che sembra più "normale"

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