比如说，data 是你的numpy数组，那么new-data就是你的去掉NaN的numpy数组

new_data = data[np.logical_not(np.isnan(data))]

arr[~np.isnan(arr[:,1])]

那么
过滤行，但仅从布尔值的一维数组中过滤
我想当你说“我已经试过~np.isnan“时，你的意思是你已经试过arr[~np.isnan(arr)]了。但是，由于arr是2D的（形状为（115，2）），~na.isnan(arr)也是，它是一个（115，2）形布尔数组。在这种情况下，从这样的数组中索引得到的是与True匹配的arr的所有值。（它怎么能保持原来的形状，因为你可能有不同数量的元素在两列）。
另一方面，~na.isnan(arr[:,1])是一个1D（115，）布尔数组，用它索引只选择行。
请参见使用布尔数组进行索引的示例

arr=np.arange(10).reshape(5,-1)
#array([[0, 1],
#       [2, 3],
#       [4, 5],
#       [6, 7],
#       [8, 9]])

# Indexing with a 2D-array of booleans (same shape as arr, so 5x2 here

arr[[[True, False], [False, False], [True, True], [False, False], [False, True]]]
#array([0, 4, 5, 9])
# I select the 1st element of 1st row, both elements of 3rd row, and last element of last row, so 0,4,5,9

# Indexing only along 1st axis, so with a 1d-array of 5 booleans, to select rows
arr[[True, False, True, True, False]]
#array([[0, 1],
#       [4, 5],
#       [6, 7]])
# I selected 1st, 3rd and 4th rows