含初始零值的四年每日时间序列处理咨询：替换小值后对数差分图现尖峰

为什么替换极小值会出现尖峰 #

你遇到的对数差分尖峰问题根源很明确：对数差分公式为 ln(x_t) - ln(x_{t-1})，当把初始零值替换为1e-6这类极小值后，后续第一个非零值的对数与极小值的对数差值会被无限放大，直接导致异常尖峰。

针对初始零值的处理方案（按优先级排序） #

• 截断初始零值段
  如果初始零值是采集初期的无效数据（比如设备刚启动未正常采集），直接从第一个非零值开始分析序列。这种方法完全避免人为修改数据的偏差，也不会触发对数差分的尖峰问题。但要注意：如果零值是业务有效状态（比如新品上市无销量），不能随意截断。

• 用贴合数据逻辑的初始值填充
  不要用随机极小值，改用更合理的填充方式：

  • 取第一个非零值的比例值（比如10%）填充，缩小对数变换后的差值幅度；
  • 线性插值过渡：若初始有n个零值，第一个非零值为V，第i个零值填充为V*i/(n+1)，实现从0到有效数值的平滑过渡，让对数差分的变化更平缓。

• 替换对数变换为更友好的处理方式
  对数变换本身不兼容零值，可换用以下方法：

  • 普通差分：x_t - x_{t-1}，无需处理零值，适合平稳性分析场景；
  • 百分比变化：(x_t - x_{t-1})/max(x_{t-1}, 1)，用max避免除以0，同时不会产生极端值；
  • Yeo-Johnson变换：支持包含零和负数的数据，无需预先替换零值，能保留类似Box-Cox变换的特性且避免尖峰。

• 将零值作为特殊状态建模
  如果零值对应明确业务事件（比如无交易、设备停机），可拆分建模：

  • 用分类模型预测每日是否为零值；
  • 对非零值单独建立时间序列模型；
  • 最后结合两部分结果完成整体分析或预测。

最佳实践核心 #

1. 先明确零值的业务含义：是采集错误、初始无效数据，还是业务正常状态，这是选择处理方法的前提；
2. 尽量避免人为引入极小值：这种操作极易在后续变换中产生异常，除非模型强制要求非零输入；
3. 匹配数据特性选择变换/差分方式：对数变换不适用时，优先考虑对零值更友好的替代方案。

内容的提问来源于stack exchange，提问作者Srihari S