ComfyUI-Data-Analysis是 ComfyUI 的一个扩展，它提供了自定义节点，用于在 ComfyUI 中使用 Pandas、Seaborn 和 Matplotlib 进行数据分析。尤其适合于使用 ComfyUI 的节点系统分析结构化数据（表格数据）。

ComfyUI-Data-Analysis包含众多自定义节点，用于包装 Pandas、Matplotlib 和 Seaborn。完整列表请参阅节点参考。

这些节点允许您以直观的图形方式进行复杂的分析。您还可以将它们与其他 ComfyUI 自定义节点组合，以满足您的工作流程需求（例如，集成图像）。

这些自定义节点提高了数据探索和可视化的效率和可用性。创建示例数据并绘制图表非常简单：

示例图

此外，您还可以分析 ComfyUI 工作流程中生成的图像。下方是显示红色通道像素分布的直方图示例（请注意，您还需要配套的ComfyUI-Pt-Wrapper 扩展来访问 PyTorch 张量，如下面的屏幕截图所示）：

注意：运行此自定义模块不需要 GPU。

1. 按下顶部菜单栏上的管理器按钮以显示 ComfyUI 管理器菜单。
2. 单击自定义节点管理器。
3. 在搜索字段中输入数据分析。
4. 屏幕上将显示“ComfyUI-Data-Analysis”。选择“安装”。
5. 重新启动 ComfyUI。
6. 重新加载浏览器页面。

1. 导航到custom_nodesComfyUI 安装中的目录。

2. 运行以下命令：

   git clone https://github.com/HowToSD/ComfyUI-Data-Analysis.git

   这将创建一个新的子目录 ComfyUI-Data-Analysis。

3. 将文件夹名称从 ComfyUI-Data-Analysis 重命名为 data-analysis。跳过此步骤将导致示例工作流失败，因为它们依赖于此文件夹名称。

4. 检查你的 ComfyUI 环境是否已包含 requirements.txt 中列出的必需软件包。如果没有，请使用 pip 安装它们。

   pip install -r requirements.txt
   

   请参阅 requirements.txt 以了解正确的版本。

5. 启动 ComfyUI。

此自定义节点模块需要 pandas 和 matplotlib，而这些软件包不包含在默认的 ComfyUI 安装中。如果您使用 ComfyUI 管理器安装此模块，则这些软件包应该会自动安装。但是，如果安装失败，请参阅 pandas 和 matplotlib 文档进行手动安装。

用户指南：https://github.com/HowToSD/ComfyUI-Data-Analysis/blob/main/docs/ug.md

有关节点的完整列表，请参阅节点参考。

本页面最初使用旧版 ComfyUI 数据分析创建，因此部分屏幕截图和参考资料可能包含已弃用的节点名称和过时的套接字数据类型。此外，本页面仅涵盖当前节点集的一部分。有关具体功能，请参阅节点参考。

要将 DataFrame 输出从一个 Pandas 节点连接到另一个 Pandas 节点，请将连线移至文本字段的左上角。您可能需要将鼠标悬停在角落处才能找到正确的连接点。

您可以右键单击，选择“添加节点”，转到“数据分析”，然后查找以下节点：

更快捷的方法是双击画布打开节点搜索对话框。

示例目录包含从此包中的示例数据集加载数据的工作流。这些工作流应该能帮助您了解如何使用这些节点。

使用Pandas 加载 CSV节点加载 CSV 文件，如果 CSV 文件包含索引列，则使用 Pandas 加载带索引的 CSV节点。这些节点假定文件采用 UTF-8 编码。如果文件未采用 UTF-8 编码，请使用Pandas 加载带编码的 CSV 节点指定文件的编码。如果数据是在 UTF-8 编码流行之前收集的，则需要指定编码。例如，对于包含美国和西欧重音字符的文件，您可以尝试使用“latin_1”进行编码。 

使用Pandas Load JSON节点加载 JSON 文件。

这些节点发出一个 DataFrame 对象。除非您指定绝对文件路径，否则 CSV 文件路径是相对于 ComfyUI 安装目录的。

使用Pandas 的“保存 CSV”节点将 DataFrame 保存为 CSV 文件。使用Pandas 的“保存 JSON ”节点将 DataFrame 保存为 JSON 文件。

要在 UI 上构建 DataFrame，请使用Pandas Create 节点或Pandas Create with Index节点。这些节点会显示多行文本区域，您可以在其中输入 CSV 格式的数据。如果数据包含索引列，请使用Pandas Create with Index 节点并指定索引列。

使用CDA JSON Create可以从文本字段中输入的字符串创建 JSON。例如，如果您想为需要输入整数列表的节点创建列表，那么此节点是理想的选择。

使用Pandas Columns和Pandas Index节点。由于这些节点输出 JSON 序列化的 Index 对象，因此要显示其值，请使用Pandas Show Text节点，如下所示：

使用Pandas Select Columns来选择列。对于行，有多个选项。使用Pandas Select Rows来按过滤条件选择行。

您可以使用Pandas Loc Row Series逐行选择标签（索引）。您可以使用 Pandas Iloc Row Series逐行选择整数位置。这些节点返回 JSON 序列化的 Series 对象。

您可以使用 Pandas Iloc Rows DataFrame通过行整数位置列表来选择行。此节点返回 JSON 序列化的 DataFrame 对象。您需要将整数列表传递给此节点。这可以通过使用CDA JSON Create节点来完成。 

对于 Pandas Loc Row Series，需要指定标签的数据类型，如下所示： 

对于 Pandas Iloc Row Series，您只需指定行整数位置： 

请注意，在 Pandas 中，整数位置相当于其他软件中的索引，而“索引”是指分配给每行的唯一标签。请参阅pandas.DataFrame.iloc.html。

使用Pandas Loc Cell Str 通过行标签（索引）和列标签选择单元格。标签的数据类型需要指定，如下所示：

此节点将单元格值作为字符串输出，而不管实际的单元格数据类型。

使用Pandas Group By对行进行分组并应用聚合函数。目前支持以下聚合函数：

• 和
• 意思是
• 数数
• 标准差
• 分钟
• 最大限度

下面显示了使用 sum、mean、count 函数的示例： 

下面显示了使用 std、min、max 函数的示例：

您还可以使用多个列来应用聚合函数。以下示例中，“数量”和“价格”列被聚合到“水果”列： 

使用Pandas Join。您可以选择内连接、左连接、右连接或外连接。首先，使用两个Pandas Load CSV节点分别加载左侧 DataFrame 和右侧 DataFrame 的 CSV 文件。

在“on column name”字段中指定公共列，并在Pandas Join节点中将连接方法设置为inner。 

在“on column name”字段中指定公共列，并在Pandas Join节点中将连接方法设置为left。 

在“on column name”字段中指定公共列，并在Pandas Join节点中将连接方法设置为right。 

在“on column name”字段中指定公共列，并在Pandas Join节点中将连接方法设置为outer。 

工作流文件 examples/workflows/join.json 包含上述所有案例。

使用Pandas Head。

使用Pandas Is NA检查 DataFrame 中是否存在缺失值，使用Pandas Drop NA从 DataFrame 中删除缺失值。

使用Pandas Show Text节点。

目前，此节点使用的代码取自 ComfyUI-Custom-Scripts 的“显示文本”自定义节点 ( https://github.com/pythongosssss/ComfyUI-Custom-Scripts/blob/main/py/show_text.py )。此节点已被复制，用于显示文本，无需用户安装上述自定义节点包。但是，如果您已安装 ComfyUI-Custom-Scripts，则也可以使用该包中的“显示文本”节点。

使用Pandas 的“显示 DataFrame”节点。当行数较大时，此节点会在字符串转换过程中自动隐藏中间行，因此显示大小应始终在可控范围内。

使用Pandas Show Series节点。

使用Pandas Summary提取统计数据，然后将输出连接到Pandas Show Text进行显示。 

使用Pandas 排序。

您可以使用以下节点计算 DataFrame 中每列的汇总统计数据：

• Pandas Count获取列的行数。
• Pandas Min获取列中的最小行值。
• Pandas Max获取列内行值的最大值。
• Pandas Mean用于获取某一列中行值的平均值。
• Pandas Median用于获取列内行值的中位数。
• Pandas 模式用于获取列内行值的模式。
• Pandas Sum用于获取某一列中行值的总和。
• Pandas Std用于获取列内行值的标准差。
• Pandas Var用于获取列内行值的方差。

所有节点都返回一个 Series，除了 Pandas Mode 返回一个 DataFrame。这是必要的，因为多个值可能以最高的频率出现。例如：

apple
apple
apple
banana
donut
coconut
coconut
coconut

在这种情况下，苹果和椰子都是模式。

对于两个 DataFrame 的二元运算，可以使用以下运算符：

对于 DataFrame 和 Series 的二元运算，可以使用以下运算符：

使用Pandas 转字符串。此节点用于将 DataFrame 转换为可显示的字符串，当数据量过大时，它会截断数据。这可用于在文本显示节点（例如“显示文本”节点）中显示数据内容。但是，您可以使用“显示 DataFrame”节点来显示 DataFrame 内容，因此通常不需要使用此节点。

使用Pandas Series To String 节点。此节点将 Pandas Series 转换为可显示的字符串。您可以将其用作Pandas Show Text节点的输入。

使用以下方法之一：

节点参考

分类摘要

数据子集选择’

数学

Numpy