在线性回归中得到系数为NA的原因可能是由于数据中存在缺失值或者数据不满足线性回归的假设。以下是一些解决方法的代码示例：

1. 处理缺失值：

import pandas as pd
from sklearn.linear_model import LinearRegression

# 创建包含缺失值的数据集
data = {'x': [1, 2, 3, None, 5], 'y': [2, 4, 6, 8, 10]}
df = pd.DataFrame(data)

# 使用均值填充缺失值
df.fillna(df.mean(), inplace=True)

# 执行线性回归
reg = LinearRegression()
reg.fit(df[['x']], df['y'])

# 输出系数
print(reg.coef_)

2. 检查数据是否满足线性回归的假设：

import pandas as pd
from sklearn.linear_model import LinearRegression

# 创建数据集
data = {'x': [1, 2, 3, 4, 5], 'y': [2, 4, 6, 8, 10]}
df = pd.DataFrame(data)

# 执行线性回归
reg = LinearRegression()
reg.fit(df[['x']], df['y'])

# 输出系数
print(reg.coef_)

如果以上方法不能解决问题，可能需要进一步检查数据质量或者调整模型参数。