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
go54631584651 分钟前
简单的 Python 示例,用于生成电影解说视频的第一人称独白解说文案
开发语言·python
YueiL5 分钟前
OpenCV 颜色空间:原理与操作指南
python·opencv
炬火初现1 小时前
Etcd的安装与使用
数据库·etcd
IT猿手1 小时前
2025最新群智能优化算法:云漂移优化(Cloud Drift Optimization,CDO)算法求解23个经典函数测试集,MATLAB
开发语言·数据库·算法·数学建模·matlab·机器人
雷渊1 小时前
深入分析理解mysql的MVCC
java·数据库·面试
Paparazi灬1 小时前
RocksDB写流程各种场景下的处理逻辑和线程交互时序
数据库
databook2 小时前
manim边学边做--线性变换的场景类
python·动效
AmazingKO2 小时前
【够用就好008】开新坑自学esb32烧录进军物联网和嵌入式
人工智能·python·物联网·chatgpt·github·方方上土·aigc创意人竹相左边
rocksun2 小时前
UNITTEST: PYTHON开发者内置的安全网
python
精灵vector2 小时前
【Agent的革命之路——LangGraph】如何使用config
人工智能·python·aigc