当前位置：首页 > article >正文

Python 操作 Neo4J，Python 库 Py2Neo

article 2024/12/27 2:18:40

Py2Neo 是一个与 Neo4j 图数据库交互的 Python 库，提供了丰富的 API，使得 Python 程序能够轻松地进行数据查询、插入、更新等操作。以下是对 Py2Neo 库的详细介绍，包括安装、基本操作以及常见的使用方法。

1. 安装 Py2Neo

首先安装 Py2Neo，可以使用 pip 命令：

pip install py2neo

2. 连接到 Neo4j 数据库

在使用 Py2Neo 之前，需要连接到 Neo4j 数据库。确保数据库已启动，并知道连接的地址、用户名和密码。

from py2neo import Graph

# 创建一个与 Neo4j 数据库的连接
graph = Graph("bolt://localhost:7687", auth=("neo4j", "password"))

bolt://localhost:7687 是 Neo4j 默认的 Bolt 协议地址。
auth=("neo4j", "password") 需要替换为您的用户名和密码。

3. 基本操作

在 Py2Neo 中，主要的操作包括节点（Node）、关系（Relationship）的创建、查询和更新等。以下介绍每种操作的用法。

3.1 创建节点

使用 Node 类来创建节点，并使用 create 方法将节点存入数据库：

from py2neo import Node

# 创建一个标签为 "Person"，名字为 "Alice" 的节点
alice = Node("Person", name="Alice", age=30)
graph.create(alice)

上面代码创建了一个 Person 标签的节点，并赋予了 name 和 age 属性。

3.2 创建关系

使用 Relationship 类可以在两个节点之间创建关系：

from py2neo import Relationship

# 创建一个 Bob 节点
bob = Node("Person", name="Bob", age=25)
graph.create(bob)

# 创建 Alice 和 Bob 的关系
knows_relationship = Relationship(alice, "KNOWS", bob)
graph.create(knows_relationship)

这段代码创建了 Alice 和 Bob 之间的 “KNOWS” 关系。

3.3 查询数据

可以使用 Cypher 查询语言通过 run 方法查询数据。以下是一些常见的查询方式。

查找所有 Person 节点：

result = graph.run("MATCH (p:Person) RETURN p")
for record in result:
    print(record["p"])

查找特定条件的节点或关系，例如查询名字为 “Alice” 的节点：

result = graph.run("MATCH (p:Person {name: 'Alice'}) RETURN p")
for record in result:
    print(record["p"])

3.4 更新节点属性

可以使用 run 方法直接执行 Cypher 更新语句，或使用 Node 对象修改属性后保存：

# 使用 Cypher 语句更新节点
graph.run("MATCH (p:Person {name: 'Alice'}) SET p.age = 31")

# 或者通过更新节点对象属性
alice["age"] = 31
graph.push(alice)  # 将更改推送到数据库

3.5 删除节点和关系

可以使用 delete 方法删除单个节点或关系，也可以使用 Cypher 命令。

删除特定节点：

graph.delete(alice)

通过 Cypher 删除节点和关系（删除所有 Person 节点及其关系）：

graph.run("MATCH (p:Person) DETACH DELETE p")

4. 批量创建和事务处理

在操作大量数据时，可以利用事务来批量创建节点和关系，以提高效率：

from py2neo import Transaction

# 开始事务
with graph.begin() as tx:
    # 批量创建节点和关系
    alice = Node("Person", name="Alice")
    bob = Node("Person", name="Bob")
    tx.create(alice)
    tx.create(bob)
    tx.create(Relationship(alice, "KNOWS", bob))

这种方法可以减少单个事务的提交次数，提高性能。

5. 高级用法

5.1 使用参数化查询

参数化查询可以帮助避免 SQL 注入风险，并简化复杂查询。

name = "Alice"
result = graph.run("MATCH (p:Person {name: $name}) RETURN p", name=name)
for record in result:
    print(record["p"])

5.2 使用 Schema 索引和唯一约束

可以使用 Schema 索引来加速查询，并创建唯一约束以避免重复数据。

# 创建名字属性的索引
graph.schema.create_index("Person", "name")

# 创建唯一约束
graph.schema.create_uniqueness_constraint("Person", "id")

5.3 使用 Graph Data Science (GDS) 算法

Py2Neo 支持调用 Neo4j Graph Data Science 算法库，例如进行社区检测、最短路径等操作：

# 查找 Alice 和 Bob 之间的最短路径
result = graph.run("""
    MATCH (a:Person {name: 'Alice'}), (b:Person {name: 'Bob'}),
    path = shortestPath((a)-[*]-(b))
    RETURN path
""")
for record in result:
    print(record["path"])

6. 完整示例

以下代码示例演示了一个小型知识图谱的构建过程，包括节点和关系的创建、查询和更新：

from py2neo import Graph, Node, Relationship

# 连接 Neo4j 数据库
graph = Graph("bolt://localhost:7687", auth=("neo4j", "password"))

# 创建节点
alice = Node("Person", name="Alice", age=30)
bob = Node("Person", name="Bob", age=25)
carol = Node("Person", name="Carol", age=27)
graph.create(alice)
graph.create(bob)
graph.create(carol)

# 创建关系
graph.create(Relationship(alice, "KNOWS", bob))
graph.create(Relationship(bob, "KNOWS", carol))

# 查询节点
result = graph.run("MATCH (p:Person) RETURN p")
for record in result:
    print(record["p"])

# 更新节点
alice["age"] = 31
graph.push(alice)

# 删除节点和关系
graph.delete(bob)