Box-Cox变换要求输入严格为正，含零或负数会报ValueError；须先平移至全正（如shift=abs(min)+1e-6），再调用；PowerTransformer需显式设method='box-cox'且手动平移；严重右偏时λ≈0等价log，但log1p更稳定；转换后必须检验正态性。
Box-Cox 要求输入严格为正，负值或零会直接报错
调用 scipy.stats.boxcox 时，如果数据含 0 或负数，会抛出 ValueError: Data must be positive.。这不是警告，是硬性限制——Box-Cox 变换定义本身基于对数和幂运算，无法处理非正数。
常见错误做法是盲目加一个“小常数”（比如 +1），但这样会扭曲偏斜结构，尤其当原始数据跨度大（如 [0, 1e6]）时，+1 几乎无效；而若数据含 -100 和 0.1，加 101 又会过度平移，掩盖真实分布形态。
实操建议：
- 先用
np.min(x)检查最小值，确认是否全为正 - 若含零或负数，必须先做平移：设
shift = abs(np.min(x)) + 1e-6，再用x_shifted = x + shift - 避免使用固定偏移（如统一 +1），因为不同特征量纲差异大，偏移量需按列独立计算
sklearn 的 PowerTransformer 默认用 Box-Cox，但需显式指定 strategy
PowerTransformer 看似自动选 Box-Cox，其实默认参数 method='yeo-johnson'，它能处理负值和零——但这不是 Box-Cox。如果你明确要 Box-Cox（比如后续模型假设、论文复现、与 R 的 MASS::boxcox 对齐），必须手动设 method='box-cox'，否则结果不一致。
立即学习“Python免费学习笔记（深入）”；
另一个关键点：PowerTransformer 在 fit() 时会自动做正数校验并报错，但它**不会自动平移**。所以你仍得自己完成平移步骤，再传入。
示例片段：
from sklearn.preprocessing import PowerTransformer import numpy as np <p>x = np.array([-2, -1, 0, 1, 5, 100]) # 含负数和零 shift = abs(np.min(x)) + 1e-6 x_pos = x + shift</p><p>pt = PowerTransformer(method='box-cox', standardize=True) x_bc = pt.fit_transform(x_pos.reshape(-1, 1)).flatten()
严重右偏时 λ 接近 0，实际就是 log 变换，但要注意数值稳定性
Box-Cox 的 λ 参数由最大似然估计得出；对极度右偏（如收入、响应时长），λ 常落在 [0.05, 0.2] 区间，逼近 0。此时变换公式退化为自然对数：log(x)。但直接取 log 比调用 Box-Cox 更快、更稳定，尤其当数据里有接近零的正数（如 1e-8）时，boxcox 内部数值优化可能失败或返回 NaN。
建议策略：
- 先用
scipy.stats.boxcox试算，捕获ValueError或RuntimeWarning - 若 λ 估算失败，或 |λ| 0，可直接用
np.log1p(x)（即 log(1+x)，比 log 更稳）替代 - 注意：
log1p本质是平移后取 log，和 Box-Cox 平移逻辑一致，只是固定了平移量为 1；若原始最小值远小于 -1，仍需先自定义平移
转换后务必检查是否真变“正态”，别信默认输出
Box-Cox 不保证结果一定正态，尤其当偏斜源于多模态、大量离群值或离散化（如大量 0 堆积）时，λ 估计会失效，转换后 Q-Q 图仍明显弯曲，Shapiro-Wilk 检验 p 值仍
实操中容易忽略的验证动作：
- 画 Q-Q 图（
scipy.stats.probplot(x_bc, dist="norm", plot=plt)），肉眼比 p 值更可靠 - 对比转换前后偏度（
scipy.stats.skew）：理想是绝对值从 >3 降到 - 若目标是线性模型，重点看残差是否更接近正态，而非特征本身——有时原始特征偏斜，但模型残差已足够好，强行转换反而引入噪声
真正棘手的是“伪正态”：λ 过拟合训练集，在测试集上失效。生产中应把平移量、λ 参数、standardize 参数一起固化保存，而不是每次 fit 重估。
