hist绘制np.log转换数据时触发[-inf,-inf]范围非有限ValueError

绘制图表时执行如下代码行：

sub3.hist(x=np.log(df[i]), bins = 100, color="grey")

抛出错误：

ValueError: supplied range of [-inf, -inf] is not finite.

其中df与df_norm是存储数据完全一致的pandas DataFrame，区别仅在于df_norm经过了minmax归一化处理，完整绘图代码如下：

tb = widgets.TabBar([str(c) for c in range(16)])
k = 0
for c in range(len(df_norm.columns)):
  with tb.output_to(c, select=(c < 3)):
    colours = ["orange", "green"]
    fig = plt.figure(figsize=(20, 5))
    plt.subplots_adjust(bottom = 0., left = 0, top = 1., right = 1)
    p = 0
    g = 1   
    for i in df_norm.columns[k:k+2]:
      sub1 = fig.add_subplot(2,3,g)
      sub1.hist(x=df[i], bins = 100, alpha=0.3, color=colours[p])
      sub2 = fig.add_subplot(2,3,g+1)
      sub2.hist(x=df_norm[i], bins = 100, alpha=0.3, color=colours[p])
      sub3 = fig.add_subplot(2,3,g+2)
      sub3.hist(x=np.log(df[i]), bins = 100, color="grey")
      sub1.set_title(i)
      sub2.set_title('title ' + i)
      sub3.set_title('title ' + i)
      sub1.set_ylabel('label')
      p = p + 1
      k = k + 1
      g = g + 3

完整错误堆栈跟踪如下：

ValueError                                Traceback (most recent call last)
<ipython-input-179-d6170fc0d99d> in <module>()
     20       sub2.hist(x=df_norm[i], bins = 100, alpha=0.3, color=colours[p])
     21       sub3 = fig.add_subplot(2,3,g+2) # two rows, two columns, second cell
---> 22       sub3.hist(x=np.log(df[i]), bins = 100, color="grey")
     23       sub1.set_title(i)
     24       sub2.set_title('title ' + i)

4 frames
<__array_function__ internals> in histogram(*args, **kwargs)

/usr/local/lib/python3.7/dist-packages/numpy/lib/histograms.py in _get_outer_edges(a, range)
    314         if not (np.isfinite(first_edge) and np.isfinite(last_edge)):
    315             raise ValueError(
---> 316                 "supplied range of [{}, {}] is not finite".format(first_edge, last_edge))
    317     elif a.size == 0:
    318         # handle empty arrays. Can't determine range, so use 0-1.

ValueError: supplied range of [-inf, -inf] is not finite

这个报错逻辑非常直接：传给np.log()的df[i]列里，所有有效值都小于等于0。

• 自然对数np.log()仅支持大于0的实数作为输入：输入0时计算结果为-inf（负无穷），输入负数时结果为nan（非数值）
• 整列数据计算对数后不存在任何有限数值，numpy生成直方图自动计算数值边界时，拿到的最大、最小值全是-inf，就会触发“范围不是有限值”的报错。

• 先定位异常列：代码跑到报错位置时，直接执行print(df[i].min())查看当前遍历列的最小值，即可确认是否全为0或负数
• 调整对数变换逻辑，不要直接硬算：
  • 如果列中只有0和正数，把np.log(df[i])替换为np.log1p(df[i])即可，该函数原生计算log(1+x)，天然兼容x=0的场景，比手动加极小值偏移的方式更准确
  • 如果列中存在负数，先匹配数据业务逻辑处理：允许数值平移的场景，可以给整列加一个足够大的常数把所有值抬到0以上再做对数变换；如果负数属于异常脏数据，先过滤无效值再绘图
• 可以加一步前置校验：对数变换完成后执行np.isfinite(变换后数组).all()，返回True就说明不存在无穷值、非数值，可正常传入绘图。

内容的提问来源于stack exchange，提问作者James