python 与 neo4j 交互（py2neo 使用）

参考自：neo4j的python.py2neo操作入门

官方文档：The Py2neo Handbook --- py2neo 2021.1

安装：pip install py2neo -i https://pypi.tuna.tsinghua.edu.cn/simple

1 节点 / 关系 / 属性 / 路径

节点(Node)和关系(relationship)是构成图的基础，节点和关系都可以有多个属性（property），并且均可以作为实体

重点：

节点：在图数据库中，节点代表实体，可以拥有属性和标签。节点通常用来表示实际的数据实体，比如人、地点、事件等
关系：关系描述了节点之间的连接或关联，必须包含两个节点，且具有方向：start node →end node
路径：路径是由节点和关系组成的序列，描述了节点之间的连接路径。路径是一个完整的图形结构，由起始节点、关系和结束节点组成，表示了实体之间的关系和连接方式
属性：键-值（key-value），键是字符串类型，值，可以是原数据，也可以由原数据同类型的数组
对于一个节点来说，与之相连的关系是有输入和输出两个方向。（如node2有输入关系和输出关系：node1→node2→node3），这个特性对于遍历图很重要
一个节点可以有一个关系是指向自己的

2 连接neo4j

前置安装可以看：

#cmd窗口下

neo4j.bat console

浏览器访问 http://localhost:7474/

3 创建图对象

python 复制代码

from py2neo import Graph, Subgraph
from py2neo import Node, Relationship, Path

# 连接数据库
# graph = Graph('http://localhost:7474', username='neo4j', password='123456') # 旧版本
graph = Graph('bolt://localhost:7687', auth=('neo4j', '123456'))

# 删除所有已有节点
graph.delete_all()

4 数据类型及操作

4.1 Node：节点

基本语法：Node（*labels，**properties）

python 复制代码

# 定义node
node_1 = Node('英雄',name = '张无忌')
node_2 = Node('英雄',name = '杨逍',武力值='100')
node_3 = Node('派别',name = '明教')

# 存入图数据库
graph.create(node_1)
graph.create(node_2)
graph.create(node_3)
print(node_1)

4.2 Relationship：关系

基本语法：Relationship（(start_node, type, end_node, **properties)）

python 复制代码

# 增加关系
node_1_to_node_2 = Relationship(node_2,'教主',node_1)
node_3_to_node_1 = Relationship(node_1,'统领',node_3)
node_2_to_node_2 = Relationship(node_2,'师出',node_3)

graph.create(node_1_to_node_2)
graph.create(node_3_to_node_1)
graph.create(node_2_to_node_2)

4.3 Path：路径

基本语法：Path(*entities)

注：entities是实体

python 复制代码

# 建一个路径：比如按照该路径查询，或者遍历的结果保存为路径
node_4,node_5,node_6 = Node(name='阿大'),Node(name='阿三'),Node(name='阿二')
path_1 = Path(node_4,'小弟',node_5,Relationship(node_6, "小弟", node_5),node_6) # (阿大)-[:小弟 {}]->(阿三)<-[:小弟 {}]-(阿二)
graph.create(path_1)

print(path_1)

4.4 Subgraph：子图

节点和关系的任意集合，它也是 Node、Relationship 和 Path 的基类
基本语法：Subgraph(nodes, relationships)

空子图表示为None，使用bool（）可以测试是否为空，且参数要按数组输入

python 复制代码

# 创建一个子图，并通过子图的方式更新数据库
node_7 = Node('英雄',name = '张翠山')
node_8 = Node('英雄',name = '殷素素')
node_9 = Node('英雄',name = '狮王')

relationship7 = Relationship(node_1,'生父',node_7)
relationship8 = Relationship(node_1,'生母',node_8)
relationship9 = Relationship(node_1,'义父',node_9)
subgraph_1 = Subgraph(nodes = [node_7,node_8,node_9],relationships = [relationship7,relationship8,relationship9])
graph.create(subgraph_1)

4.5 工作流

（1）GraphService：基于图服务的工作流。

（2）Graph：基于图数据库的工作流（前文所述的基本上都是如此）。

（3）Transaction：基于事务的工作流

在一个事务里，进行多种操作，只有操作全部完成，工作流才算完成，如：

一个Transaction分两个任务：① 增加一个新节点 ② 将该节点与已有节点创建新关系

两个任务只要有一个没完成，整个工作流就不会生效

通常，该种方式通过Graph.begain(readonly=False)构造函数构造，参数readonly表示只读，无参数默认可写

python 复制代码

# 创建一个新的事务
transaction_1 = graph.begin()

# 创建一个新node
node_10 = Node('武当',name = '张三丰')
transaction_1.create(node_10)
# 创建两个关系：张无忌→（师公）→张三丰   张翠山→（妻子）→殷素素
relationship_10 = Relationship(node_1,'师公',node_10)
relationship_11 = Relationship(node_7,'妻子',node_8)

transaction_1.create(relationship_10)
transaction_1.create(relationship_11)

transaction_1.commit()

4.6 删

python 复制代码

# 删除所有：谨慎使用
# graph.delete_all()

# 按照节点id删除：要删除某个节点之前，需要先删除关系。否则会报错：ClientError
graph.run('match (r) where id(r) = 3 delete r')
# 按照name属性删除：先增加一个单独的节点：
node_x = Node('英雄',name ='韦一笑')
graph.create(node_x)
graph.run('match (n:英雄{name:\'韦一笑\'}) delete n')

# 删除一个节点及与之相连的关系
graph.run('match (n:英雄{name:\'韦一笑\'}) detach delete n')
# 删除某一类型的关系
graph.run('match ()-[r:喜欢]->() delete r;')

# 删除子图
# delete(self, subgraph)

4.7 改

python 复制代码

# 将node_9狮王的武力值改为100
node_9['武力值']=100
# 本地修改后要push到服务器上
graph.push(node_9)

4.8 查

为了使用更复杂查询，将图数据库扩充如下：

python 复制代码

# 为了便于查询更多类容，新增一些关系和节点
transaction_2 = graph.begin()

node_100 = Node('巾帼',name ='赵敏')
re_100 = Relationship(node_1,'Love',node_100)

node_101 = Node('巾帼',name ='周芷若')
re_101 = Relationship(node_1,'knows',node_101)
re_101_ = Relationship(node_101,'hate',node_100)


node_102 = Node('巾帼',name ='小昭')
re_102 = Relationship(node_1,'konws',node_102)

node_103 = Node('巾帼',name ='蛛儿')
re_103 = Relationship(node_103,'Love',node_1)

transaction_2.create(node_100)
transaction_2.create(re_100)
transaction_2.create(node_101)
transaction_2.create(re_101)
transaction_2.create(re_101_)
transaction_2.create(node_102)
transaction_2.create(re_102)
transaction_2.create(node_103)
transaction_2.create(re_103)

transaction_2.commit()

① NodeMatcher：定位满足特定条件的节点
基本语法：NodeMatcher.match(*labels, **properties)

方法名	功能
first()	返回查询结果第一个Node，没有则返回空
all()	返回所有节点
where(condition,properties)	二次过滤查询结果
order_by	排序

python 复制代码

# 定义查询
nodes = NodeMatcher(graph)

# 按照label查询所有节点
node_hero = nodes.match("英雄").all()
print('查询结果的数据类型:',type(node_hero))

# 按property查询，返回符合要求的首个节点：name-杨逍
node_single = nodes.match("英雄", name="杨逍").first()
print('单节点查询：\n', node_)

# 按property查询，返回符合要求的所有节点
node_name = nodes.match(name='张无忌').all()
print('name查询结果：', node_name)

# 在查询结果中循环取值
i = 0
for node in node_hero:
    print('label查询第{}个为：{}'.format(i,node))
    i+=1

# get（）方法按照id查询节点
node_id = nodes.get(1)
print('id查询结果：', node_id)

② NodeMatch
基本用法：NodeMatch(graph, labels=frozenset({}), predicates=(), order_by=(), skip=None, limit=None)

方法	功能
iter(match)	遍历所匹配节点
len(match)	返回匹配到的节点个数
all()	返回所有节点
count（）	返回节点计数，评估所选择的节点
limit(amount)	返回节点的最大个数
order_by（*fields）	按指定的字段或字段表达式排序要引用字段或字段表达式中的当前节点，请使用下划线字符
where(predicates, *properties)	二次过滤

python 复制代码

from py2neo import NodeMatch

nodess = NodeMatch(graph, labels=frozenset({'英雄'}))

# 遍历查询到的节点
print('=' * 15, '遍历所有节点', '=' * 15)
for node in iter(nodess):
    print(node)
# 查询结果计数
print('=' * 15, '查询结果计数', '=' * 15)
print(nodess.count())
# 按照武力值排序查询结果:注意引用字段的方式，前面要加下划线和点：_.武力值
print('=' * 10, '按照武力值排序查询结果', '=' * 10)
wu = nodess.order_by('_.武力值')
for i in wu:
    print(i)

③ RelationshipMatcher：用于选择满足一组特定标准的关系的匹配器
基础语法：relation = RelationshipMatcher(graph)

python 复制代码

from py2neo import RelationshipMatcher
# 查询某条关系
relation = RelationshipMatcher(graph)

# None表示any node，而非表示空
print('='*10,'hate关系查询结果','='*10)
x = relation.match(nodes=None, r_type='hate')
for x_ in x:
    print(x_)

# 增加关系
re1_1 = Relationship(node_101,'情敌',node_102)
re1_2 = Relationship(node_102,'情敌',node_103)
graph.create(re1_1)
graph.create(re1_2)

# 情敌查询结果
print('='*10,'hate关系查询结果','='*10)
x = relation.match(nodes=None, r_type='情敌')
for x_ in x:
    print(x_)

④ RelationshipMatch
基本语法：RelationshipMatch(graph, nodes=None, r_type=None, predicates=(), order_by=(), skip=None, limit=None)

用法类同，不再赘述