求助：如何在DataFrame中排除lag列，将其余列的NaN值填充为"Not Available"

你的问题出在对副本操作而非原DataFrame上！当你用mydataset_df[mydataset_df.columns.difference(['lag'])]或者loc[:, mydataset_df.columns != 'lag']选择列时，pandas返回的是原DataFrame的一个副本，后续的fillna(inplace=True)只会修改这个副本，原DataFrame完全没变化。

这里给你两种简单有效的解决方案：

方案1：直接赋值回原DataFrame的对应列 #

通过loc选中需要填充的列，将填充后的结果直接赋值回去，确保修改作用在原DataFrame上：

# 方法A：用difference排除lag列
cols_to_fill = mydataset_df.columns.difference(['lag'])
mydataset_df.loc[:, cols_to_fill] = mydataset_df.loc[:, cols_to_fill].fillna("Not Available")

# 方法B：用!=筛选列
cols_to_fill = mydataset_df.columns != 'lag'
mydataset_df.loc[:, cols_to_fill] = mydataset_df.loc[:, cols_to_fill].fillna("Not Available")

方案2：用fillna的subset参数（更简洁） #

fillna本身支持subset参数，直接指定要填充的列子集，一步到位：

mydataset_df.fillna(
    value="Not Available",
    subset=mydataset_df.columns.difference(['lag']),
    inplace=True
)

或者用!=的方式生成列列表：

mydataset_df.fillna(
    value="Not Available",
    subset=mydataset_df.columns[mydataset_df.columns != 'lag'],
    inplace=True
)

这样就能完美实现：保留lag列的原样，将其他所有列的NaN值填充为"Not Available"。

内容的提问来源于stack exchange，提问作者Stefano Puccini