我正在使用分类器的预测，使用一个dataframe，在输入算法之前我删除了NaN值。在预测之后，我想创建一个新的数组，如果原始dataframe中有一个有效的点，它将接受预测，在其他情况下，事情变得复杂：如果 Dataframe 中存在NaN值，则必须检查其他两个 Dataframe ，并从具有有效值的 Dataframe 中取出点。
我需要的一个例子：

z = np.array([2, 4, 5, 7])
x = np.array([3, 6, 9, 8])
pred_value = 11

mask_z = z[z%2 == 0] # array([True, True, False, False])
mask_x = x[x%2 == 0] # array([False, True, False, True])
mask_pred = np.arary([True, True, False, True])

现在我想创建一个新的数组，并从三个不同的数组中取值来填充它，假设mask_pred中有一个False，我想取pred_value。但是如果在mask_pred中有True，我需要检查mask_z和mask_x，以便如果在mask_z中有True，但在False中有False``mask_x，它将采用x值（反之亦然）。如果mask_z和mask_x都是True，那么它将采用NaN值：

y = np.empty(mask_pred.shape)
y[~mask_pred] = pred_value
# Part to fix:
y[mask_pred] = if mask_z == True and mask_x == False then take x value; 
               if mask_z == False and mask_x == True then take z value;
               if mask_z == True and mask_x == True then fill with np.NaN

print(y)
array([3, NaN, 11, 7])

我需要弄清楚如何使最后一部分使用掩码而不是循环，以有效的方式处理大型数组。
先谢谢你了。