statsmodels拟合Logit回归报operands broadcast形状错误

报错提示operands could not be broadcast together with shapes (12805,0) (12805,)的核心原因是你传入sm.Logit()的特征矩阵X是0列的空矩阵，和长度为12805的标签y维度不匹配，无法执行矩阵运算。
结合你描述的预处理流程，问题本质是预处理顺序错误：你在执行pd.get_dummies()时没有提前拆分特征和标签，导致目标列y在编码环节丢失，后续基于「编码后数据集仍存在y列」的逻辑提取X、y时，选列逻辑失效返回了空矩阵。
最常见的触发场景：你的y列是字符串/分类类型（比如取值为"违约/未违约""1/0"文本），全量传入pd.get_dummies()后，原名为y的列会被替换为y_xxx格式的哑变量列，原列名直接消失。

按顺序执行以下检查即可锁定具体问题点：

• 独热编码完成后，直接打印全量列名确认字段情况：

  print(df_encoded.columns.tolist())
  

  重点确认是否存在名为y的列，以及y如果被编码成哑变量对应的列名是什么。
• 提取完X和y后，第一时间打印两者形状：

  print("X维度：", X.shape)
  print("y维度：", y.shape)
  

  正常维度应该是X为(12805, 特征数)、y为(12805,)，如果X的第二个维度为0，直接检查选列代码即可。
• 检查选列代码是否存在低级书写错误：比如是否颠倒了loc中行、列筛选的位置，是否把条件判断的!=误写为==，是否误传入了空的列名列表。

调整预处理顺序，提前拆分标签，不要让标签列进入独热编码流程，同时补全statsmodels必需的常数项配置：

import pandas as pd
import statsmodels.api as sm

# 读取数据并清洗缺失值
df = pd.read_excel("regression.xlsx")
df = df.dropna().reset_index(drop=True)

# 【关键步骤】先拆分标签和特征，不要把标签送入独热编码
y = df["y"]
# 如果y是文本分类值，先手动映射为0/1数值，例：
# y = y.map({"是": 1, "否": 0})
X_raw = df.drop("y", axis=1)

# 仅对特征列做独热编码
X_encoded = pd.get_dummies(X_raw, drop_first=True)

# statsmodels默认不自动拟合截距项，必须手动添加常数列
X = sm.add_constant(X_encoded)

# 拟合模型
model = sm.Logit(y, X)
result = model.fit()
print(result.summary())

• 所有样本级别的清洗操作（删除缺失值、异常值过滤、样本采样）必须在拆分X、y之前完成，避免出现X和y行数不匹配的问题。
• 不要对全量数据集（含标签）做独热编码、标准化等特征处理操作，避免标签泄露或字段丢失。
• 如果独热编码后特征数过多，可以考虑配合方差筛选、正则化项减少过拟合风险。

内容的提问来源于stack exchange，提问作者Hadi