当我从头开始实现KNN填补方法来处理缺失数据时，我遇到了这个问题。我创建了一个虚拟数据集，并为包含缺失值的行找到了最邻近的邻居，以下是我的数据集

    A    B    C       D       E0   NaN  2.0   4.0    10.0    100.01   NaN  3.0   9.0    12.0     NaN2   5.0  2.0   20.0   50.0    75.03   3.0  5.0   7.0     NaN    150.04   2.0  9.0   7.0    30.0    90.0

对于第0行，最邻近的邻居是1和2，为了替换(0, A)位置的NaN值，我们需要计算最邻近邻居在同一列中的值的距离平均值，但如果其中一个最邻近邻居的值也是NaN该怎么办？

示例：

假设第3行的最邻近邻居是2和4，所以在第3行中，列D有缺失值，为了替换这个缺失值，我们需要计算列D中最邻近邻居的值的距离平均值，如下所示

距离平均值 = [(1/D1) * 50.0 + (1/D2) * 30.0]/2

并用这个平均值替换(3, D)位置的NaN值（其中D1和D2是对应的NaN欧几里得距离）。但是在第0行的情况下，最邻近的邻居是1和2，为了替换(0, A)位置的NaN值，我们需要计算第1行和第2行在列A中的值的距离平均值，(2, A)的值是5.0很好，但是(1, A)是NaN，所以我们不能这样计算

距离平均值 = [(1/D3) * NaN + (1/D4) * 5.0]/2

那么我们如何替换(0, A)位置的NaN值？sklearn的KNNImputer是如何处理这种情况的？

回答：

sklearn的KNNImputer默认使用nan_euclidean_distances度量方法。根据其用户指南

如果一个样本有多个特征缺失，那么对于该样本的邻居可能会根据所填补的特定特征而有所不同。

该算法可能会使用不同的邻居集合来填补列D中的单个缺失值和列A中的两个缺失值。

这是一个简单的KNNImputer实现：

import numpy as npimport pandas as pdfrom sklearn.impute import KNNImputerA = [np.nan, np.nan, 5, 3, 2]B = [2, 3, 2, 5, 9]C = [4, 9, 20, 7, 7]D = [10, 12, 50, np.nan, 30]E = [100, np.nan, 75, 150, 90]columns=['A', 'B', 'C', 'D', 'E']data = pd.DataFrame(list(zip(A, B, C, D, E)),                    columns=columns)imputer = KNNImputer(n_neighbors=2)imputed_data = pd.DataFrame(imputer.fit_transform(data), columns=columns)

这是输出结果：

     A    B     C     D      E0  3.5  2.0   4.0  10.0  100.01  2.5  3.0   9.0  12.0  125.02  5.0  2.0  20.0  50.0   75.03  3.0  5.0   7.0  11.0  150.04  2.0  9.0   7.0  30.0   90.0