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

中文分词jieba库的使用与实景应用（一）

中文分词jieba库的使用与实景应用（一）

知识星球：https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义： 精确模式（默认模式）： 全模式： 搜索引擎模式： paddle 模式（基于深度学习的分词模式）： 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取
阅读更多...
使用SecondaryNameNode恢复NameNode的数据

使用SecondaryNameNode恢复NameNode的数据

1）需求： NameNode进程挂了并且存储的数据也丢失了，如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2）故障模拟 （1）kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 （2）删除NameNode存储的数据（/opt/module/hadoop-3.1.4/data/tmp/dfs/na
阅读更多...
Hadoop数据压缩使用介绍

Hadoop数据压缩使用介绍

一、压缩原则 （1）运算密集型的Job，少用压缩 （2）IO密集型的Job，多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1）为了支持多种压缩/解压缩算法，Hadoop引入了编码/解码器 2）要在Hadoop中启用压缩，可以配置如下参数
阅读更多...
Makefile简明使用教程

Makefile简明使用教程

文章目录 规则makefile文件的基本语法：加在命令前的特殊符号：.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具，常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件
阅读更多...
使用opencv优化图片（画面变清晰）

使用opencv优化图片（画面变清晰）

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化，使其看起来更清晰，同时保持尺寸不变，通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多，主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器：相机传
阅读更多...
pdfmake生成pdf的使用

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据，将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma
阅读更多...
零基础学习Redis(10) -- zset类型命令使用

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合，内部除了存储元素外，还会存储一个score，存储在zset中的元素会按照score的大小升序排列，不同元素的score可以重复，score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]
阅读更多...
git使用的说明总结

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库：创建新文件夹，进入文件夹目录，执行指令 git init ，用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的
阅读更多...
【北交大信息所AI-Max2】使用方法

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡，拥有登录权限的账号密码，一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 （如果是1集群把75改成66） 交互式开发 执行器选Terminal 密码随便设一个（需记住） 工作空间：私有数据、全部文件 加速器选GeForce_RTX_2080_Ti
阅读更多...
【Linux 从基础到进阶】Ansible自动化运维工具使用

【Linux 从基础到进阶】Ansible自动化运维工具使用

Ansible自动化运维工具使用 Ansible 是一款开源的自动化运维工具，采用无代理架构（agentless），基于 SSH 连接进行管理，具有简单易用、灵活强大、可扩展性高等特点。它广泛用于服务器管理、应用部署、配置管理等任务。本文将介绍 Ansible 的安装、基本使用方法及一些实际运维场景中的应用，旨在帮助运维人员快速上手并熟练运用 Ansible。 1. Ansible的核心概念
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2