Python中对lights1992列执行np.log对数转换报错问题排查

问题出在zonal_stats的返回值特性，你之前尝试的类型转换、+1操作没有覆盖到异常场景：

• 当矢量要素完全落在栅格nodata区域时，即使你在zonal_stats里指定了nodata=np.nan，部分版本的rasterstats返回的mean不是np.nan，而是Python原生None或者numpy掩码对象np.ma.masked。
• 你直接把生成的列表赋值给DataFrame列时，因为绝大多数值是正常浮点数，pandas会把列的dtype显示为float64，但数组里混杂的少量特殊对象不会被自动转成合法浮点值。这时候调用np.log做向量化运算，遇到这些特殊对象就会触发类型错误；单纯调用pd.to_numeric不加参数、或者直接做+1运算，都无法彻底清理这类特殊值，自然没法解决报错。
• 额外可能触发报错的点：如果栅格值本身存在0或者负数，会超出对数函数的正实数定义域，触发运算域错误。

按以下步骤处理即可：

1. 从源头清理zonal_stats返回的异常值，赋值列的时候就做强制转换，把所有非法值统一转成np.nan：

import numpy as np
import pandas as pd
from rasterstats import zonal_stats

zs1 = zonal_stats(city_join, junk1992, stats=['mean'], nodata=np.nan)
# 提取值的时候直接做数值转换，非法值统一转为NaN
city_join['lights1992'] = pd.to_numeric(
    [x['mean'] for x in zs1],
    errors='coerce'
)

2. 处理对数运算的定义域问题，根据你的数据场景选对应转换方式：

# 先排查列里是否存在小于等于0的无效值
invalid_count = city_join[city_join['lights1992'] <= 0].shape[0]

# 场景1：小于等于0的值都是无数据，直接过滤后取对数
city_join['log_lights1992'] = np.log(
    city_join['lights1992'].where(city_join['lights1992'] > 0)
)

# 场景2：需要保留0值样本（比如灯光亮度为0的无灯光区域），确认不存在<-1的值后，用log1p等价转换更稳妥
# city_join['log_lights1992'] = np.log1p(city_join['lights1992'])

注：np.log1p(x)等价于np.log(x+1)，但对浮点精度的处理更友好，适合处理包含0值的非负序列。

3. 校验结果：如果执行后依然报错，运行下面代码检查列内是否残留非浮点类型对象：

# 统计列内各值的实际类型，排查残留特殊对象
print(city_join['lights1992'].apply(lambda x: type(x).__name__).value_counts())

正常情况下输出应该只有float一类，没有其他类型。

内容的提问来源于stack exchange，提问作者OgeiD