自序

在2017年的一天，我看到了一份研究报告，在那份报告中，从各个层面详细地对比了各种商业的、开源的数据分析工具。就在那一天，我遇到了KNIME。

在此之前，我使用过很多数据分析工具，无论是低抽象级别的C/C++、Python、R，还是高抽象级别的MATLAB、Maple、Mathematica，抑或是专攻某一方向的SPSS、Lingo、Orange、Weka、Excel，甚至一些云服务商的工具。

我当时的工作除了开发程序，还涉及一些数据分析工作，主要是通过Python来构建特征并进行分析。数据分析主要是一个探索性的工作，需要我们做出假设和推理，再用数据去验证假设，这也就决定了分析过程并没有一个严格的路径，需要很多试错（trial and error）过程。

当初步调研KNIME之后，我尝试用它来将我之前的工作复现，发现之前用Python断断续续做了半个月的工作，居然一个下午就完全实现了。当然，实现过程这么快除了有KNIME适合这项任务的原因，也有我对之前所做工作的理解变深的原因。总之，我被震撼到了。在此之后，如果一项任务适合用KNIME做，那我就会毫不犹豫地使用它。

KNIME AP（在书中会详细介绍整个KNIME生态环境）是一款开源的、免费的工具，在持续的使用过程中，我积累了一些经验，更重要的是，在进行数据分析的过程中，它为我节省了相当多的时间，带给我很多因为数据分析所获得的洞见。本着“人人为我，我为人人”的精神，我想，我也应该为这款开源工具做一些什么了。于是，我陆陆续续写了一些相关的数据分析文章，发布在“数据分析指北”公众号上，获得了不少正面反馈，甚至有一些朋友，专门加了我的个人微信，只为表达他们的感谢。在思索良久之后，我决定系统地写一写KNIME的使用和数据分析，于是有了这本书。

本书是目前（截至2022年10月）市面上唯一一本系统性地介绍KNIME数据分析的中文教程。其中包含公众号“数据分析指北”的一些内容（做了大量修订，且出版社老师为了提高可读性做了不少文字方面的修改），包含对KNIME大部分节点完整的覆盖性介绍，相信读者在了解之后，会对节点的使用游刃有余。另外，书中还有一些高阶内容，比如流变量、循环、分支、错误处理、可视化、模块化、Java、Python节点、测试、时间序列分析、深度学习，甚至KNIME扩展开发等，能让读者更深入地了解和使用KNIME。

按照当今的流行术语来说，KNIME是一款通用型的低代码（low code）数据分析软件，也就是说，它的主要操作方式通过“拖拉曳”就能完成。

本书适合所有日常有数据分析需求的读者，能帮助其轻松应对大部分常见的数据分析问题。

写作本书的过程是一个非常艰辛的过程，其中的工作量就像是写了四、五篇完整的毕业论文。在整个写作过程中，zz出生，zz妈及岳父、岳母承担了很多原本应该由我承担的责任；母亲病重去世，父亲也承担了很多原本应该由我承担的责任。我感到无比愧疚和自责。

之前我对zz妈说，这本书献给我生命中两个重要的女人，一个是我的母亲，另一个是她。我希望这本书能带给你（读者）和我新的一天。在此之后，你我的任何一天都会和以前不一样。

感谢电子工业出版社石倩老师在本书出版过程中给予我的帮助，包括但不限于负责整个出版流程、各种琐事，以及对文字的悉心修正。还有一些我叫不出名字的背后的工作人员，正是因为有你们认真负责的工作，这本书才有幸出现在读者手中。

本书主要内容由我完成，杜晓刚编写了本书的高级内容——深度学习、时间序列分析、机器学习相关内容的撰写，温景阳编写了本书的进阶内容。

本书获得了国家自然科学基金项目（61861024）和甘肃省自然科学基金（20JR5RA404）资助。在此一并表示感谢。

雒玉玺（指北君）