我在阅读它的文档时，看到这样一段描述：

每个样本的缺失值使用训练集中找到的n_neighbors个最近邻居的平均值进行填补。如果两个样本中都没有缺失的特征值接近，则认为这两个样本接近。

现在，我用一个玩具数据集进行实验，例如：

>>>X = [[1, 2, nan], [3, 4, 3], [nan, 6, 5], [8, 8, 7]]>>>X   [[ 1.,  2., nan],    [ 3.,  4.,  3.],    [nan,  6.,  5.],    [ 8.,  8.,  7.]]

我们创建一个 KNNImputer 如下：

imputer = KNNImputer(n_neighbors=2)

问题是，当两个列中都有nan时，它是如何填补这些nan的？例如，如果要填补第一行第三列的nan，它会如何选择哪些特征是最接近的，因为其中一行在第一列也有nan？当我执行imputer.fit_transform(X)时，它返回如下结果：

array([[1. , 2. , 4. ],       [3. , 4. , 3. ],       [5.5, 6. , 5. ],       [8. , 8. , 7. ]])

这意味着，对于填补第一行的nan，最近的邻居是第二行和第三行。它是如何计算第一行和第三行之间的欧几里得距离的？

回答：

它是如何使用也包含NaN的行来填补NaN的？

文档中似乎没有提到这一点。但通过深入研究源代码，发现对于每个正在填补的列，距离更小的所有捐赠者都被考虑，即使他们有缺失值。处理方式是将权重矩阵中缺失值设为0，权重矩阵是根据使用的距离获得的，参见_get_weights。

相关代码位于_calc_impute，在找到所有潜在捐赠者的距离矩阵后，再找到上述提到的权重矩阵，然后进行填补，如下所示：

# 使用零填补nansif weight_matrix is not None:    weight_matrix[np.isnan(weight_matrix)] = 0.0

这里，如果潜在捐赠者与接收者之间至少有一个非nan距离，则考虑所有潜在捐赠者

dist_pot_donors : ndarray of shape (n_receivers, n_potential_donors)    接收者和训练集中潜在捐赠者之间的距离矩阵。    接收者和潜在捐赠者之间必须至少有一个非nan距离。

我们可以用一个玩具例子来验证这一点；在下面的矩阵中，填补[nan, 7., 4., 5.]中的缺失值时，最后一行（也包含两个NaN）被选中（注意我设置了n_neighbors=1）。这是因为与最后一行的距离为0，因为对应于NaN值的距离被设为0。因此，只需与第2行和第3行有最小的差异，最后一行就被选中，因为它被视为相等：

X = np.array([[np.nan,7,4,5],[2,8,4,5],[3,7,4,6],[1,np.nan,np.nan,5]])print(X)array([[nan,  7.,  4.,  5.],       [ 2.,  8.,  4.,  5.],       [ 3.,  7.,  4.,  6.],       [ 1., nan, nan,  5.]])from sklearn.impute import KNNImputerimputer = KNNImputer(n_neighbors=1)imputer.fit_transform(X)array([[1., 7., 4., 5.],       [2., 8., 4., 5.],       [3., 7., 4., 6.],       [1., 7., 4., 5.]])