neo4j-Py2neo使用

2023-12-20 13:52
文章标签 使用 neo4j py2neo

本文主要是介绍neo4j-Py2neo使用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

neo4j-Py2neo(一)：基本库介绍使用

py2neo的文档地址：https://neo4j-contrib.github.io/py2neo/

py2neo的本质是可以采用两种方式进行操作，一种是利用cypher语句，一种是使用库提供的DataTypes，Data类的实例需要和远程的数据库中一一对应。

类说明
Core Graph API直接可以直接从py2neo引用的几个核心类。负责具体执行提交的类。
Data Typesneo4j的核心，节点关系等。也就是py2neo.data，这个类下面的所有成员都可以直接从py2neo引用。
Cyphercypher语言执行后的结果如何访问，在这个类中。
Bulk批量执行cypher语句。
Object-Graph Mapping将图谱映射到python类中，比如整个数据库，已知节点。
from py2neo import Graph
graph = Graph("bolt://localhost:7687", auth=("neo4j", "password")) # 不指定name, 就用默认数据库
graph.run("UNWIND range(1, 3) AS n RETURN n, n * n as n_sq")
Node

1, 创建节点 ,Node(*labels, **properties)。节点就是两个部分组成：标签、属性。

from py2neo import Node # 或者 from py2neo.data import Node
a = Node('Person', name='alice')
b = Node(*['Person', 'Man', 'Manager'], **{'name':'Joey'}) # 查看标签
list(a.labels)# 是否具有标签
a.has_label()# 添加标签
a.add_label('Woman')# 删除标签
a.remove_label('Person')# 删除所有标签
a.clear_labels()# 添加多个标签
a.update_labels(['Coder', 'Mother'])# 查看属性
a['name']
a.get('name', default='John')
# 属性赋值
a['name'] = 'Pheebe'# 如果没有属性，就赋予属性默认值。如果有保持原属性值。
a.setdefault('name', default='john')# 添加属性,如果存在更新属性
a.update(age=29, love='football') # 或者 a.update(**{'age':29, 'love':'football'})# 删除属性
del a['name']# 属性数量
len(a)# 字典形式返回属性，以及具有字典类似的属性
dict(a)
a.items()
a.keys()
a.values()# 删除所有属性
a.clear()# 查看对应的数据库
a.graph # 如果时None表示a还没有和远程数据库有链接。# 查看节点对应数据库中的唯一身份
a.identity
RelationShip

创建关系：

class py2neo.data.Relationship(start_node, type, end_node, **properties)[source]

class py2neo.data.Relationship(start_node, end_node, **properties)

class py2neo.data.Relationship(node, type, **properties)

class py2neo.data.Relationship(node, **properties)

from py2neo import Relationship, Node
# 创建三种方式
start = Node('Man', name='Ross')
end = Node('Woman', name='Richiel')class Love(Relationship): pass # 先指定是啥关系
rl_1 = Love(start, end)love = Relationship.type('Love') # 先制定是啥关系
rl_2 = love(start, end, )# 一般常用的就是这个。
rl_3 = Relationship(start, 'Love', end,  **{'retain'='two season'}) # 如果不指定type，类型就是''# 查看关系的名称
rl_1.type.__name__# 查看关系开始结
rl_1.nodes
rl_1.start_node
rl_1.end_node# 关系的属性,和节点一样
dict(rl_1)
rl_1.keys()
rl_1.values()
rl_1.items()
# 添加、更新
rl_1.update(**{'name':'love'})
# 删除
del rl_1['name']# 以及其他的get, setdefault
rl_1.get('name', default=None)rl_1.setdefault('name', default='john')
Path

Path特点是相邻必须连接。本质上就是相邻节点必须连接的几段关系。

from py2neo import Path, Relationshipa = Node('Person', name='a')
b = Node('Person', name='b')
c = Node('Person', name='c')
d = Node('Person', name='d')
e = Node('Person', name='e')# 连接节点与节点
ab = Path(a, 'love', b)
de = Path(d, 'love', e)# 连接节点与节点与节点。。。
abc = Path(a, 'love', b, Relationship(b, 'love', c), c)# 相邻必须连接
abc = Path(a, 'love', b, Relationship(a, 'love', c), c) # 报错ValueError: Cannot append walkable love(Node('Person', name='a'), Node('Person', name='c')) to node Node('Person', name='b')# 连接节点与关系
ab = Relationship(a, 'love', b)
abc = Path(ab, 'love', c)# 连接关系与关系
ca = Relationship(c, 'love', a)
abca = abcd = Path(ab, 'love', ca)# 连接节点与Path
cde = Path(c, 'love', de)# 连接Path与Path
abcde = Path(abc, 'love', de)# 查看开始结束的节点
abcde.start_node
abcde.end_node# 按照顺序查看所有节点
abcde.nodes# 按照关系查看所有关系
abcde.relationships
Subgraph

就是图。通过逻辑的方式进行创建 | & - ^

# 节点、关系、Path、subgraph之间通过逻辑进行连接就是subgraph
sub1 = abc | abca 
sub2 = abc & abca  # 节点与关系都必须在两边都存在
sub3 = abc - abca # 节点关系在前者存在，在后者不存在
sub4 = abc ^ abca # 各自独特的部分，sub1|sub2 - sub1&sub2# 查看所有节点，关系
sub4.nodes
sub4.relationships# 查看图中所有关系的type
sub4.types()# 查看图中所有节点的属性key以及标签的集合
sub4.keys()
sub4.labels()

Data Types就完事了，剩下就是增删改查事务提交等数据库通用性的东西。数据库的操作都是以事务为单位，所以先从事务执行返回的结果record看起。

class* py2neo.cypher.Record

执行语句后返回的结果是cursor，是一堆结果。record是其中一个结果，本质上就是一个字典。

cursor = graph.run('match (n) return n')
if cursor.forward():record = cursor.current# 转换为字典
dict(record) # {'n': Node('Symtom', name='脱水')}
record.data() # {'n': Node('Symtom', name='脱水')}# 所有键
record.keys() # ['n']# 所有值
record.values() # [Node('Symtom', name='脱水')]# 将record里的所有节点，关系形成一个子图
record.to_subgraph().nodes # (Node('Symtom', name='脱水'),)
py2neo.cypher.Cursor(result, hydrant=None, sample_size=3)

cursor是执行语句返回的是cursor，通过cursor来查询一个个record。

cursor = graph.run('match (n) return n')# 基本使用就是，结合forward()以及current使用
while cursor.forward():record = cursor.current# 一次性返回所有结果
record_list = cursor.data()# 转换为dataframe
cursor.to_data_frame()# 转换为ndarray	
cursor.to_ndarray()# 转换为子图
cursor.to_subgraph()
Transaction

py2neo的用法就是分成两种，一种是使用cypher语句，一种是使用自己的数据类,这些类是要和远程的实际的节点一一对应。

cypher语句的使用遵循的规则是，利用$标志语句中的变量，例如match (n) where n.name=$name。输入变量值有两种方式，一种是name=‘biden’， 一种是**{‘name’:‘biden’}

# 建立一个事务
tx = Graph.auto() # 自动提交的事务，操作之后默认执行graph.commit(tx)
tx = Graph.begin() # 非自动提交的事务# 结束一个事务
Graph.commit(tx) # 提交
Graph.rollback(tx) # 回滚# 属性
tx.graph # Graph('bolt://localhost:7687', name='neo4j')
tx.readonly # False表示可以写入。# 使用cypher语句，只用一个run就可以，evaluate就是只返回第一个结果，udpate是不用返回结果
record = tx.evaluate('match (n) return n') #  返回一个数据类型，节点，关系或者子图。cursor = tx.run('match (n) return n') # 返回多个结果，是一个cursortx.update("match (n:boss) where n.name='biden' set n.name=$newname", **{'newname':'aoguanhai'})
tx.update("match (n:boss) where n.name='biden' set n.name=$newname", newname='auguanhai')# create(subgraph) 创建一个本地，create函数会在远程创建一个同样的节点/关系/子图，并和本地对应。
a = Node('Person', **{'name'})
a.graph # None,说明
tx.create(a)
a.graph # Graph('bolt://localhost:7687', name='neo4j') ,说明和远程一一对应了。# delete(subgraph) 删除远程对应的节点关系子图
tx.delete(a)
a.graph # None，说明远程已经删除。# exists(subgraph) 检测是否有远程对应
tx.exists(a) # False 已经无对应# merge(subgraph, primary_label=None, primary_key=None) # pull 更新本地,针对已经连接的
tx.pull(a)# 更新远程，针对已经连接的
a['name'] = 'bob'
tx.push(a)# separate(subgraph),删除远程中的子图中的所有关系，本地不受影响
tx = graph.begin()
a = Node('Person', name='Alice')
b = Node('Person', name='bob')
ab = Relationship(a, 'love', b)
sub =  a | b | ab
tx.create(sub) # 创建
tx.separate(sub) # 删除其中的关系
graph.commit(tx)
GraphServer
from py2neo import GraphService, Graphurl = "bolt://localhost"
auth = ('neo4j', '123456')gs = GraphService(url, auth=auth)# 查看所有数据库名称
list(gs)  # ['neo4j', 'system']
gs.keys() # ['neo4j', 'system']# 建立一个Graph
graph = gs['neo4j']
graph = gs.default_graph 
graph = gs.system_graph# 查看gs的属性值，和字典使用方法一致。
gs.config.items()
gs.config.keys()
gs.config.values()# 查看连接地址信息
gs.connector
gs.profile
gs.uri# 查看neo4j版本
gs.kernel_version # <Version('5.14.0')>
gs.product # 'Neo4j Kernel 5.14.0 (Community)'
Graph
# 建立一个Graph，也从GraphServer建立
graph = Graph(uri=url, auth=auth, name='neo4j') # 创建事务，在事务已经介绍过了
tx_auto = graph.auto()
tx = graph.begin()# 提交事务
graph.commit(tx)# create(subgraph)，创建一个自动提交事务进行create,注意tx_auto并不支持create。
from py2neo import *a = Node('person', name='ali')
b = Node('person', name='bli')
c = Node('person', name='cli')ac = Relationship(a, 'fr', c)
bc = Relationship(b, 'fr', c)sub = ac|bc
graph.create(sub)# delete(subgraph)，也是自动提交
graph.delete(a)# delete_all(),删除全部
graph.delete_all()# evaluate(cypher, parameters=None, **kwparameters),执行cypher语句，按照cypher语句规则进行就可以。
record = graph.evaluate('match (n) return n') # 返回一个record# exists(subgraph) 查看是否存在
graph.exists(sub)# match(nodes=None, r_type=None, limit=None)，用来匹配关系。nodes是(start_node, end_node)，r_type是关系类型，如果nodes=(Node, c)，表示所有end_node是c的关系。
list(graph.match((None, c) ,r_type='fr')) # 查找所有以c为朋友的人
'''
[fr(Node('person', name='ali'), Node('person', name='cli')),fr(Node('person', name='bli'), Node('person', name='cli'))]
'''# match_one(nodes, r_type), 值匹配一个关系。
graph.match_one((None, c) ,r_type='fr') # fr(Node('person', name='ali'), Node('person', name='cli'))# nodes, relationships,获取所有节点关系到本地，可以使用match进行匹配。
list(graph.nodes.match("person", **{'name':'cli'})) # [Node('person', name='cli')]list(graph.relationships.match((a, c), 'fr')) # [fr(Node('person', name='ali'), Node('person', name='cli'))]# pull(subgraph)，将已经连接的子图从远程更新
graph.pull(sub)# push(subgraph),从本地已经连接到的子图更新到远程
graph.push(sub)# separate(subgraph) ，从已经连接的子图删除关系
graph.separate(sub)# cypher操作，run，update（无返回结果）, query（只能查）,使用方法就是使用cypher的规则
graph.run('match (n) where n.name=$name return n', name='cli')
graph.query('match (n) where n.name=$name return n', name='cli')
graph.update('match (n) where n.name=$name set n.name=$newname', name='cli', newname='ccli')

这篇关于neo4j-Py2neo使用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/516287。

相关文章

使用Python实现高效的端口扫描器

使用Python实现高效的端口扫描器

《使用Python实现高效的端口扫描器》在网络安全领域,端口扫描是一项基本而重要的技能,通过端口扫描,可以发现目标主机上开放的服务和端口,这对于安全评估、渗透测试等有着不可忽视的作用,本文将介绍如何使... 目录1. 端口扫描的基本原理2. 使用python实现端口扫描2.1 安装必要的库2.2 编写端口扫
阅读更多...
使用Python实现操作mongodb详解

使用Python实现操作mongodb详解

《使用Python实现操作mongodb详解》这篇文章主要为大家详细介绍了使用Python实现操作mongodb的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、示例二、常用指令三、遇到的问题一、示例from pymongo import MongoClientf
阅读更多...
SQL Server使用SELECT INTO实现表备份的代码示例

SQL Server使用SELECT INTO实现表备份的代码示例

《SQLServer使用SELECTINTO实现表备份的代码示例》在数据库管理过程中,有时我们需要对表进行备份,以防数据丢失或修改错误,在SQLServer中,可以使用SELECTINT... 在数据库管理过程中，有时我们需要对表进行备份，以防数据丢失或修改错误。在 SQL Server 中，可以使用 SE
阅读更多...
使用Python合并 Excel单元格指定行列或单元格范围

使用Python合并 Excel单元格指定行列或单元格范围

《使用Python合并Excel单元格指定行列或单元格范围》合并Excel单元格是Excel数据处理和表格设计中的一项常用操作,本文将介绍如何通过Python合并Excel中的指定行列或单... 目录python Excel库安装Python合并Excel 中的指定行Python合并Excel 中的指定列P
阅读更多...
浅析Rust多线程中如何安全的使用变量

浅析Rust多线程中如何安全的使用变量

《浅析Rust多线程中如何安全的使用变量》这篇文章主要为大家详细介绍了Rust如何在线程的闭包中安全的使用变量,包括共享变量和修改变量,文中的示例代码讲解详细,有需要的小伙伴可以参考下... 目录1. 向线程传递变量2. 多线程共享变量引用3. 多线程中修改变量4. 总结在Rust语言中，一个既引人入胜又可
阅读更多...
golang1.23版本之前 Timer Reset方法无法正确使用

golang1.23版本之前 Timer Reset方法无法正确使用

《golang1.23版本之前TimerReset方法无法正确使用》在Go1.23之前,使用`time.Reset`函数时需要先调用`Stop`并明确从timer的channel中抽取出东西,以避... 目录golang1.23 之前 Reset ​到底有什么问题golang1.23 之前到底应该如何正确的
阅读更多...
详解Vue如何使用xlsx库导出Excel文件

详解Vue如何使用xlsx库导出Excel文件

《详解Vue如何使用xlsx库导出Excel文件》第三方库xlsx提供了强大的功能来处理Excel文件,它可以简化导出Excel文件这个过程,本文将为大家详细介绍一下它的具体使用,需要的小伙伴可以了解... 目录1. 安装依赖2. 创建vue组件3. 解释代码在Vue.js项目中导出Excel文件，使用第三
阅读更多...
Linux alias的三种使用场景方式

Linux alias的三种使用场景方式

《Linuxalias的三种使用场景方式》文章介绍了Linux中`alias`命令的三种使用场景：临时别名、用户级别别名和系统级别别名,临时别名仅在当前终端有效,用户级别别名在当前用户下所有终端有效... 目录linux alias三种使用场景一次性适用于当前用户全局生效，所有用户都可调用删除总结Linux
阅读更多...
java图像识别工具类(ImageRecognitionUtils)使用实例详解

java图像识别工具类(ImageRecognitionUtils)使用实例详解

《java图像识别工具类(ImageRecognitionUtils)使用实例详解》：本文主要介绍如何在Java中使用OpenCV进行图像识别,包括图像加载、预处理、分类、人脸检测和特征提取等步骤... 目录前言1. 图像识别的背景与作用2. 设计目标3. 项目依赖4. 设计与实现 ImageRecogni
阅读更多...
python管理工具之conda安装部署及使用详解

python管理工具之conda安装部署及使用详解

《python管理工具之conda安装部署及使用详解》这篇文章详细介绍了如何安装和使用conda来管理Python环境,它涵盖了从安装部署、镜像源配置到具体的conda使用方法,包括创建、激活、安装包... 目录pytpshheraerUhon管理工具：conda部署+使用一、安装部署1、 下载2、 安装3
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2