使用pop和pd.concat：

poplag列，并在其他列中用Not Available填充NAN。最后，合并2。

df = pd.concat([df.pop('lag'), df.fillna('Not Available')], axis=1)

你可以试试这个

for col in mydataset_df.columns:
    if col != 'lag':
        mydataset_df[col].fillna("Not Available", inplace=True)

第一次尝试显示一个提示：著名的“A value is trying to be set on a copy of a slice from a DataFrame”。这是Pandas的一个棘手的部分，它试图告诉你你不是在处理数据框本身。
在这种情况下，省略inplace会更清楚：

mydataset_df = pd.DataFrame({'lag': [1, 2, 3, pd.NA], 'foo': [2, 4, pd.NA, 8]})
print(mydataset_df[mydataset_df.columns.difference(['lag'])].fillna("Not Available"))

             foo
0              2
1              4
2  Not Available
3              8

fillna没有传递整个 Dataframe ，只传递了对列的引用。这里有详细的解释：https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy。简而言之，结果是“不可预测的”...肯定很困惑
使用相同的想法，但为了安全起见，您可以将dataframe中的列替换为：

mydataset_df[mydataset_df.columns.difference(['lag'])] = mydataset_df[mydataset_df.columns.difference(['lag'])].fillna("Not Available")