如何用Numpy过滤数组中第二列含NaN的行（保留形状）

直接用布尔索引针对第二列的非NaN值筛选整行，就能保留二维数组结构，完全满足后续相关性分析的需求。

步骤示例 #

1. 导入Numpy并定义原数组：

import numpy as np

# 示例原数组
arr = np.array([[10., 10.],
                [20., 13.],
                [ 5., np.nan],
                [ 6., np.nan]])

2. 生成第二列的非NaN掩码：

# 取第二列（索引为1），筛选出非NaN的行位置
mask = ~np.isnan(arr[:, 1])

3. 用掩码过滤数组：

filtered_arr = arr[mask]

验证结果 #

运行后会得到目标二维数组：

print(filtered_arr)
# 输出：
# [[10. 10.]
#  [20. 13.]]

print(filtered_arr.shape)  # 输出 (2, 2)，保持二维形状

关于形状丢失的原因 #

如果直接对整个数组用~np.isnan(arr)，会得到和原数组同形状的二维掩码，用它索引会把数组展平成一维。而我们只需要针对第二列生成一维掩码，用它选择整行，就能保留原有的二维结构。

适配你的115行数组 #

把上述代码里的arr换成你自己的(115,2)数组即可，逻辑完全通用，过滤后依然是二维数组，可直接用于相关性等统计分析。

内容的提问来源于stack exchange，提问作者Nano