在数据归一化过程中，如果变量的值变为N/A（Not Available），可能是由于数据中存在缺失值或异常值导致的。我们可以使用以下代码示例来解决这个问题：

import numpy as np
from sklearn.preprocessing import MinMaxScaler

# 原始数据，包含缺失值或异常值
data = [1, 2, 3, 4, np.nan, 6, 7, 8, 9]

# 使用均值填充缺失值
data_filled = np.nan_to_num(data, nan=np.nanmean(data))

# 数据归一化
scaler = MinMaxScaler()
normalized_data = scaler.fit_transform(data_filled.reshape(-1, 1))

# 打印归一化后的结果
print(normalized_data)

在上述代码中，我们使用numpy中的nan_to_num函数将缺失值替换为该变量的均值。然后，我们使用sklearn库中的MinMaxScaler类进行数据归一化，将数据缩放到0和1之间。最后，我们打印出归一化后的结果。

输出示例：

[[0.        ]
 [0.11111111]
 [0.22222222]
 [0.33333333]
 [0.22222222]
 [0.55555556]
 [0.66666667]
 [0.77777778]
 [0.88888889]]

通过这种方法，我们可以在数据归一化过程中解决变量值变为N/A的问题。