我需要运行一个多项逻辑回归与X, y和小时，应该作为掩码值，我感兴趣的。但是它们的形状是不同的，我不能让它们适合多项式而不出现nan问题。
这些是在我创建回归掩码之前我的数组的形状和np.unique()打印:
x :
[-717.10062214 -712.98025999 -706.55113102 ... 706.78297915 719.08540065
nan]
y :[ 1. 2. 3. 4. 5. nan]
hours : [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14.
15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28.
29. 30. 31. 32. 33. 34. 35. 36. 37. 38. 39. 40. 41. 42.
43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53. 54. 55. 56.
57. 58. 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70.
71. 72. 73. 74. 75. 76. 77. 78. 79. 80. 81. 82. 83. 84.
85. 86. 87. 88. 89. 90. 91. 93. 94. 95. 96. 98. 99. 100.
104. 105. 106. 109. 110. 119. 120. 122. 133. 160. nan]
# Shapes
X shape: (293240, 4), Y Shape: (29324,) , h shape: (293240,)
这些是我需要的数组。由于我需要将它们放入逻辑回归中，所以我需要删除nan并使输入为二进制，以便在train_testrongplit中使用它们来为逻辑回归做准备，因此我使用了一个名为regmask的掩码:
# Making and applying masks
regmask = np.all(np.isfinite(x),1) & np.isfinite(y) & (hours == 40)
X_train, X_test, y_train, y_test = train_test_split(x[regmask], y[regmask],
test_size=0.25, random_state=42)
ERROR:
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
Cell In[64], line 57
54 print(f"X shape: {x_all.shape}, Y Shape: {y.shape} , h shape: {hours.shape}")
56 ## Making and applying masks
---> 57 regmask = np.all(np.isfinite(x_all),1) & np.isfinite(y) & (hours == 40)
59 print(f"X masked shape: {x_all[regmask].shape}, Y masked Shape: {y[regmask].shape} , h masked shape: {hours[regmask].shape}")
61 print(np.sum(regmask))
ValueError: operands could not be broadcast together with shapes (293240,) (29324,)
我得到了错误，因为形状不同。但是，我如何删除nan，并保持形状相同，以适应它们到train_testrongplit?理想情况下，一旦我解决了这个形状问题，所有其他的都会顺利进行。
时,数组将不会组合在一起。所以我发现这个问题是在准备y并修改它以匹配(293240,1)形状时出现的，这将使它与x一起工作。