数据分析指北：KNIME 模块

对于Read部分，主要涉及到各种实体文件的读取。

IO模块集合中的Read部分

[重点：:sparkles::sparkles::sparkles:；难度：:sparkles:]对于Excel文件来说，如果你已经确定要读取Excel文件的哪个表，那么我们就可以直接使用Excel Reader(XLS)，直接在节点中配置读取，其配置选择其实和CSV reader的配置差不太多，除了一些标准的配置之外–比如Column Name都从哪里取、Row Id要不要自动生成，其他选项都集中在配置对于异常情况的处理；如果你需要将Excel中所有的表的内容都读取出来，那么你可以尝试先使用Read Excel Sheet Names (XLS)节点，读出这些表的名字，然后再设置一个循环，使用Excel Reader(XLS)将每个表中的内容读取出来，可参考下图结构。

读取Excel文件中的所有内容

[重点：:sparkles::sparkles::sparkles:；难度：:sparkles:]CSV Reader之前有提及，在这里略去不讲。

File Reader其实是一个通用版的文件读取工具，甚至可以用它来读取CSV文件，只不过配置项要更多一些。

ARFF reader是机器学习中的一种特定文件格式，这个格式主要是随着 Weka 发展出来的，简要来说，就是它除了记录具体的数据之外，还详细记录了数据的格式、来源等一系列信息，对于经典的Iris数据来说，ARFF就是这样记录的，一望即知：

% 1. Title: Iris Plants Database
   % 
   % 2. Sources:
   %      (a) Creator: R.A. Fisher
   %      (b) Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov)
   %      (c) Date: July, 1988
   % 
   @RELATION iris   
 @ATTRIBUTE sepallength  NUMERIC   
 @ATTRIBUTE sepalwidth   NUMERIC  
  @ATTRIBUTE petallength  NUMERIC   
  @ATTRIBUTE petalwidth   NUMERIC   
  @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是用来将文件一行一行读出来的模块，特别像 Python 中的 readlines() 函数。

[重点：:sparkles:；难度：:sparkles:]Table Reader这个模块是用来读取KNIME自定义的Table格式的（文件名以 .table为后缀 ），是读取KNIME的Table Writer模块输出的文件的。这个文件和ARFF文件的目的相同，就是在这个文件中，尽量的包含和这个数据文件相关的其他元信息（meta information），比如标记出的数据颜色信息（参见 泰坦尼克沉船数据分析之一) 中对数据进行颜色标记的示范）等等，以及对数据文件进行压缩优化，以提升读取效率。因为是 KNIME 自己的格式，如何读写已经做了约定，所以基本不需要做什么配置就可以使用，但唯一考虑的一点就是，如果要迁移到KNIME以外的平台使用，可能会遇到一些麻烦。

PMML Reader是用来读取PMML（Predictive Model Markup Language预测模型标记语言）文件的，这种文件主要是用来记录一些机器学习中的模型以及模型参数的。

[重点：:sparkles::sparkles:；难度：:sparkles:]List Files作用是列出所给路径下有哪些文件。比如需要读取一个文件夹下所有的Excel文件，那么就需要用到这个模块了。

另外的几个模块用的非常少，就略过不谈了。

总的来说，Read部分，需要重点掌握CSV文件以及Excel文件的读取模块。除了上面列出的模块，如果想要读取Google Sheets，也是可以的，只不过要安装相应的扩展，以及搭建相应的梯子。