Neo4j导入csv数据,并创建节点

Neo4j 是一种图数据库，特别适合管理和分析复杂的关系数据。

数据来源：http://openkg.cn/

导入到 Neo4j 的合适场景：

复制代码

需要在物种分类中查找层级关系（如物种的科、属等）。
需要进行关系查询和图结构的分析。
想在分类树中进行图遍历（如沿着生物分类进行导航）。
在 Neo4j 中，每个物种可以作为一个节点（Node），不同的生物分类（界、门、纲、目、科等）可以用关系（Relationship）来表达。

使用neo4j用户执行命令导入csv文件

加载 CSV 数据并创建节点

复制代码

LOAD CSV WITH HEADERS FROM 'file:///fish.csv' AS row
CREATE (:Fish {
    id: row.ID,
    name: row.name,
    fish_name_en: row.fish_name_en,
    fish_img_url: row.fish_img_url,
    fish_imgs_url: row.fish_imgs_url,
    bio_kingdom_cn: row.bio_kingdom_cn,
    bio_kingdom_en: row.bio_kingdom_en,
    bio_phylum_cn: row.bio_phylum_cn,
    bio_phylum_en: row.bio_phylum_en,
    bio_class_cn: row.bio_class_cn,
    bio_class_en: row.bio_class_en,
    bio_order_cn: row.bio_order_cn,
    bio_order_en: row.bio_order_en,
    bio_family_cn: row.bio_family_cn,
    bio_family_en: row.bio_family_en,
    bio_genus_cn: row.bio_genus_cn,
    bio_genus_en: row.bio_genus_en,
    bio_is_toxic: row.bio_is_toxic,
    bio_is_economy: row.bio_is_economy,
    bio_is_food: row.bio_is_food,
    bio_is_view: row.bio_is_view,
    bio_other_name_url: row.bio_other_name_url,
    bio_introduction: row.bio_introduction
});

注意事项

这里需要注意的是，

Cypher 语法不支持像 Python 那样通过row[:ID]的方式访问列。正确的访问方式是使用列名，如 row.ID。
file:///fish.csv 是指 Neo4j 的 import 目录下的文件。如果文件不在该目录，需要将文件放入该目录或者修改路径。

在 Windows 系统中，Neo4j 的 import 目录通常位于 Neo4j 安装目录下。

我这里是通过Neo4j Desktop安装的(安装教程在上篇文章)

如果是通过 Neo4j Desktop 安装的 Neo4j，import 目录通常在项目或数据库目录下。

复制代码

C:\Users\<YourUsername>\.Neo4jDesktop\relate-data\dbmss\<unique-db-id>\import\

执行成功

查询验证

复制代码

MATCH (n) RETURN (n) limit 10