knnimpute如何运作？

Question

从https://stackoverflow.com/a/35684975/4533188我得知K-Nearest Neighbor Imputation的工作原理如下：

1. 对于当前观察，请与所有其他观察结果保持距离。
2. 对于当前观察中的每个缺失值，请考虑所讨论的特征中没有缺失值的所有k个最近观察值。
3. 根据这些观察的特征值：计算平均值（或某些类似的统计量） - 这是用于估算的值。

关键步骤是1：如果并非所有值都可用，我们如何计算距离？上面的帖子指向Heterogeneous Euclidean-Overlap Metric。但是我对fancyimpute的knn-imputation的实现很感兴趣。我将其追溯到https://github.com/hammerlab/knnimpute，更具体地说是https://github.com/hammerlab/knnimpute/blob/master/knnimpute/few_observed_entries.py，我查看了代码。但是我无法弄清楚它是如何工作的。

有人可以向我解释knnimpute如何在那里工作？距离计算如何在这里工作？