資料分析指北：KNIME 模組

對於Read部分，主要涉及到各種實體檔案的讀取。

IO模組集合中的Read部分

[重點：:sparkles::sparkles::sparkles:；難度：:sparkles:]對於Excel檔案來說，如果你已經確定要讀取Excel檔案的哪個表，那麼我們就可以直接使用Excel Reader(XLS)，直接在節點中配置讀取，其配置選擇其實和CSV reader的配置差不太多，除了一些標準的配置之外–比如Column Name都從哪裡取、Row Id要不要自動生成，其他選項都集中在配置對於異常情況的處理；如果你需要將Excel中所有的表的內容都讀取出來，那麼你可以嘗試先使用Read Excel Sheet Names (XLS)節點，讀出這些表的名字，然後再設定一個迴圈，使用Excel Reader(XLS)將每個表中的內容讀取出來，可參考下圖結構。

讀取Excel檔案中的所有內容

[重點：:sparkles::sparkles::sparkles:；難度：:sparkles:]CSV Reader之前有提及，在這裡略去不講。

File Reader其實是一個通用版的檔案讀取工具，甚至可以用它來讀取CSV檔案，只不過配置項要更多一些。

ARFF reader是機器學習中的一種特定檔案格式，這個格式主要是隨著 Weka 發展出來的，簡要來說，就是它除了記錄具體的資料之外，還詳細記錄了資料的格式、來源等一系列資訊，對於經典的Iris資料來說，ARFF就是這樣記錄的，一望即知：

% 1. Title: Iris Plants Database
% 
% 2. Sources:
%(a) Creator: R.A. Fisher
%(b) Donor: Michael Marshall (MARSHALL%[email protected])
%(c) Date: July, 1988
% 
@RELATION iris
 @ATTRIBUTE sepallengthNUMERIC
 @ATTRIBUTE sepalwidthNUMERIC
@ATTRIBUTE petallengthNUMERIC
@ATTRIBUTE petalwidthNUMERIC
@ATTRIBUTE class{Iris-setosa,Iris-versicolor,Iris-virginica}

% The Data of the ARFF file looks like the following:

@DATA
5.1,3.5,1.4,0.2,Iris-setosa
 4.9,3.0,1.4,0.2,Iris-setosa
 4.7,3.2,1.3,0.2,Iris-setosa
 4.6,3.1,1.5,0.2,Iris-setosa
..............

Line Reader是用來將檔案一行一行讀出來的模組，特別像Python中的 readlines() 函式。

[重點：:sparkles:；難度：:sparkles:]Table Reader這個模組是用來讀取KNIME自定義的Table格式的（檔名以 .table為字尾 ），是讀取KNIME的Table Writer模組輸出的檔案的。這個檔案和ARFF檔案的目的相同，就是在這個檔案中，儘量的包含和這個資料檔案相關的其他元資訊（meta information），比如標記出的資料顏色資訊（參見 泰坦尼克沉船資料分析之一) 中對資料進行顏色標記的示範）等等，以及對資料檔案進行壓縮優化，以提升讀取效率。因為是 KNIME 自己的格式，如何讀寫已經做了約定，所以基本不需要做什麼配置就可以使用，但唯一考慮的一點就是，如果要遷移到KNIME以外的平臺使用，可能會遇到一些麻煩。

PMML Reader是用來讀取PMML（Predictive Model Markup Language預測模型標記語言）檔案的，這種檔案主要是用來記錄一些機器學習中的模型以及模型引數的。

[重點：:sparkles::sparkles:；難度：:sparkles:]List Files作用是列出所給路徑下有哪些檔案。比如需要讀取一個資料夾下所有的Excel檔案，那麼就需要用到這個模組了。

另外的幾個模組用的非常少，就略過不談了。

總的來說，Read部分，需要重點掌握CSV檔案以及Excel檔案的讀取模組。除了上面列出的模組，如果想要讀取Google Sheets，也是可以的，只不過要安裝相應的擴充套件，以及搭建相應的梯子。