所有基于 Python 的可视化库均可通过 KNIME 轻松访问

要开始使用 Python 视图节点创建基于 Python 的可视化，请安装 KNIME Python 集成，然后将 Python 视图节点拖到 KNIME 中的工作台中。

KNIME Python 集成将捆绑环境安装到您的系统中。三个 Python 库（Matplotlib、Seaborn 和 Plotly）可在 Python View 节点中“开箱即用”。

要使用捆绑环境中不可用的可视化库（例如 Altair 或 GGplot 库），请使用 Conda Environment Propagation 节点选择自定义环境。（阅读有关使用 Conda 和 KNIME 管理 Python 环境的更多信息）。

安装集成后，即可开始在 KNIME 中创建基于 Python 的可视化。

使用 Python 视图节点可以创建静态和交互式可视化。

基于 Python 的静态可视化生成 PNG、SVG、JPEG 图像甚至 HTML 文档。这些通常用于简单的可视化，以突出关键见解，例如同比趋势或销售分布。用户无法与这些静态可视化效果进行交互，也无法更改任何图表属性，例如轴或单位。

基于 Python 的交互式可视化与本机 KNIME View 节点共享相同的“交互性”属性，并允许用户与分析进行交互。例如，用户可以在第一个可视化中选择特定区域或时间范围，并将此选择应用于其他可视化集。这有助于用户更深入地进行分析，以找出他们最感兴趣的内容。它们是探索和理解基于快速变化数据的分析的简单方法。

让我们看看如何使用 Python 视图节点创建静态和交互式可视化。

您可以使用流行的库（如 Matplotlib、Seaborn 等）创建静态可视化效果。这些库以 Python 对象的形式创建可视化输出。

在本节中，我们将向您展示如何使用 Seaborn 库创建配对图的简单示例。我们将可视化鸢尾花数据集的配对图，这些配对图可用于研究鸢尾花在各种特征中的分布。

打开 Python 视图节点的代码编辑器，并使用以下命令将 python 对象分配给节点的输出视图：

.请注意，代码块 1 显示了用于创建静态可视化的整个 Python 代码。

Python 视图节点还提供特殊的视图实现。例如，如果您使用的是 seaborn 库，则将返回值

;或者使用 matplotlib，返回值

添加到节点的输出视图。

您可以在视图的 KNIME Python API 文档中找到更多信息

代码块 1 显示了 Python 脚本节点内的 Python 代码段。首先，我们导入所需的库（在本例中为 Seaborn）以及作为 KNIME 和 Python 之间主要接触点的 knime.scripting.io。输入数据被读取为 pandas 数据帧。

接下来，我们使用 Seaborn 作为 Python 对象创建配对图。使用以下命令为该对象分配节点的输出视图：

将代码块插入 Python 视图节点后，右键单击该节点并选择“执行并打开视图”选项。这将执行节点并启动节点视图，如图 2 所示。