Python操作neo4j库py2neo使用之创建和查询(二)

Python操作neo4j库py2neo使用之创建和查询(二)

py2neo 创建操作

1、连接数据库

python 复制代码
from py2neo import Graph
graph = Graph("bolt://100.100.20.55:7687", auth=(user, pwd), name='neo4j')

2、创建Node

python 复制代码
from py2neo import Node, Subgraph
# 创建单个节点
node = Node(label='公司',name='XX公司',创始人='XXX')
graph.node.create(node) 
data = {
    "name": "XX公司",
    "创始人": "XX"
}
node = Node(label='公司', **data)
graph.node.create(node) 
# 创建多个节点
node1 = Node("Person", name="司马师", age=18)
node2 = Node("Person", name="司马懿", age=18)
node3 = Node("Person", name="司马昭", age=18)
nodes = Subgraph([node1, node2, node3])
self.graph.create(new_nodes)
# 批量创建节点, 注意只能创建同一label的节点
from py2neo.bulk import create_nodes 
# 关键字参数
data = [
   {"name": "司马师", "age": 18},
   {"name": "司马懿", "age": 18},
   {"name": "司马昭", "age": 18, "职位": "大司马"}
]
create_nodes(graph.auto(), data, labels=("Person"))
 
# 位置参数
data = [
   {"司马师", 18},
   {"司马懿", 18},
   {"司马昭", 18}
]
 
create_nodes(graph.auto(), data, labels=("Person"), keys=["name", "age"])
 
# 合并节点  根据name合并
node1 = Node("Person", name="司马师", age=18)
 
graph.merge(node1, label='Person', "name")
 
# 批量合并节点  根据name合并
from py2neo.bulk import merge_nodes
 
data = [
   {"name": "司马师", "age": 18},
   {"name": "司马懿", "age": 18},
   {"name": "司马昭", "age": 18}
]
merge_nodes(graph.auto(), data, labels=("Person", "name"))
 
data = [
   {"司马师", 18},
   {"司马懿", 18},
   {"司马昭", 18}
]
 
merge_nodes(graph.auto(), data, labels=("Person"), keys=["name", "age"])

py2neo 查询操作

1、连接数据库

python 复制代码
from py2neo import Graph
graph = Graph("bolt://xx.xx.xx.xx:7687", auth=(user, pwd), name='neo4j')

2、查询节点

python 复制代码
# 获取label为公司的单个节点
node = graph.nodes.match(label='公司').first()
 
# 获取label为公司的所有节点
nodes = graph.nodes.match(label='公司').all()
 
# 获取label为公司的10节点
nodes = graph.nodes.match(label='公司').limit(10)
 
# 获取label为公司的10-20的节点
nodes = graph.nodes.match(label='公司').skip(10).limit(10)
 
# 获取label为公司,属性name为''单个节点
node = graph.nodes.match(label='公司', name='XX公司').first()

3、查询关系

python 复制代码
# 根据id获取关系
relationship = graph.relationships.get(1)
 
# 获取关系为投资的单个关系
relationship = graph.match_one(r_type='投资')
relationship = graph.relationships.match(r_type='投资').first()
 
# 获取关系为投资的所有关系
relationship = graph.relationships.match(r_type='投资').all()
 
# 获取关系为投资的10关系
relationships = graph.match(r_type='投资', limit=10)
 
# 获取关系为投资的10-20关系
relationship = graph.relationships.match(r_type='投资').skip(10).limit(10)
 
 
# 获取节点为XX公司,关系为投资的第一个节点
node = graph.nodes.match(lable='公司', name='XX公司').first()
relationship = graph.relationships.match(node=node, r_type='投资').first()

4、查询高级方法

python 复制代码
from py2neo import IS_NULL, IS_NOT_NULL, EQ, NE, LT, LE, GT, GE, STARTS_WIH, ENDS_WITH, CONTAINS, LIKE, IN, AND, OR, XOR
 
# IS_NULL
# 获取label为公司的,名称为NULL的节点
 
 
# IS_NOT_NULL
 
# EQ
 
# NE
 
# LT
 
# LE
 
# GT
 
# GE
 
# STARTS_WIH
 
# ENDS_WITH
 
# CONTAINS
 
# LIKE
 
# IN
# 获取label为公司的,名称叫XX公司、aaa公司的公司
nodes = graph.nodes.match(label='公司', name = IN('XX公司', 'aaa公司')).all()
 
# AND
 
# OR
 
# XOR
 
# where
1
相关推荐
K 旺仔小馒头3 分钟前
【项目】商城系统用户端测试报告
自动化测试·python·功能测试
m0_715674439 分钟前
智能化+基于行标+场景化 政务数据库审计与风险监测全维度解决方案
网络·数据库·安全·网络安全·政务
东莞市云毅网络有限公司14 分钟前
用 SQLite FTS5 给企业文档建本地全文索引:中文分词与权重调优
python·数据清洗·rag·企业知识库·文档解析
钱栈up16 分钟前
health从200变000:一次差点引发双端口冲突的后端巡检复盘
python
正经教主17 分钟前
【FDE系列】阶段2:Day 22:变量、数据类型、条件判断 — Python 的“记忆“和“判断“
人工智能·python·fde
天天喝旺仔32 分钟前
MySQL索引优化实战:B+Tree原理、索引失效与覆盖索引调优
数据库·sql·mysql·性能优化
其实防守也摸鱼43 分钟前
DeepSeek Harness 开源贡献手记:从入门到合入主线
服务器·数据库·windows·https·ssl
打工仔折腾 AI1 小时前
Pascal Editor 本地部署实战:Bun 启动 WebGPU 3D 编辑器并解决公网访问报错
人工智能·后端·python·性能优化
m0_547486661 小时前
《Python从入门到数据分析应用》全套PPT课件2026
python·数据分析
All for pursuit.1 小时前
FastAPI+Ollama 部署本地AI大模型对话助手
python·github·aigc·ollama