知识图谱数据库 Neo4j in Docker笔记

下载

docker pull neo4j:community

官方说明

https://neo4j.com/docs/operations-manual/2025.01/docker/introduction/

启动

docker run \--restart always \--publish=7474:7474 --publish=7687:7687 \--env NEO4J_AUTH=neo4j/your_password \--volume=D:\files\knowledgegraph\data:/data \neo4j:community

打开

打开浏览器在地址栏输入：http://localhost:7474/

首次登录，输入用户名 neo4j 和密码 your_password

Python来读取Excel并通过py2neo创建

要使用 Python 来读取 Excel 数据，并通过 py2neo 创建图谱（将 Excel 中的数据转化为 Neo4j 图数据库中的节点和关系），可以按照以下步骤进行：

步骤概览：

1. 使用 pandas 读取 Excel 文件。
2. 解析 Excel 数据，确定哪些列表示节点和关系。
3. 使用 py2neo 创建图节点和关系。
4. 可选：将图数据存储到 Neo4j 数据库。

代码实现

假设你有一个 Excel 文件，其中包含以下列：

• Employee: 员工姓名
• Position: 员工职位
• Company: 所属公司

例如，Excel 数据如下：

Employee	Position	Company
Alice	Developer	TechCorp
Bob	Manager	TechCorp
Carol	Developer	WebCorp

目标是根据这张表格创建 Person 和 Company 类型的节点，并在它们之间创建 WORKS_AT 类型的关系。

1. 安装依赖库

如果你还没有安装 pandas 和 py2neo，可以使用以下命令进行安装：

pip install pandas py2neo

2. 代码示例

import pandas as pd
from py2neo import Graph, Node, Relationship# 连接到 Neo4j 数据库（请根据实际情况修改用户名、密码和数据库地址）
graph = Graph("bolt://localhost:7687", auth=("neo4j", "your_password"))# 读取 Excel 数据
df = pd.read_excel('employees.xlsx')  # 假设你的 Excel 文件名是 'employees.xlsx'# 创建节点和关系
for index, row in df.iterrows():# 创建公司节点，如果公司不存在company = Node("Company", name=row['Company'])graph.merge(company, "Company", "name")  # 使用 merge 以避免重复公司节点# 创建员工节点employee = Node("Person", name=row['Employee'], position=row['Position'])graph.merge(employee, "Person", "name")  # 使用 merge 以避免重复员工节点# 创建员工与公司之间的关系works_at = Relationship(employee, "WORKS_AT", company)graph.create(works_at)print("数据已成功导入 Neo4j 数据库！")

3. 代码解释

1. 连接 Neo4j 数据库：

   • 使用 Graph("bolt://localhost:7687", auth=("neo4j", "neo4j")) 连接到本地 Neo4j 数据库。
   • 根据需要修改 auth 参数中的用户名和密码。

2. 读取 Excel 文件：

   • 使用 pandas.read_excel 读取 Excel 文件内容到 DataFrame。你可以根据实际情况修改文件名和路径。

3. 创建节点和关系：

   • 公司节点：对于每一行，如果公司节点不存在，则创建一个新的节点。通过 graph.merge() 方法确保不会重复创建同名公司。
   • 员工节点：同样，对于每一行，如果员工节点不存在，则创建一个新的员工节点。使用 graph.merge() 来避免重复创建同名员工。
   • 员工与公司之间的关系：为每一对员工和公司创建 WORKS_AT 关系，并使用 graph.create() 将其保存到图数据库。

4. 可选步骤：检查结果

• Neo4j 浏览器：打开 Neo4j 浏览器，执行查询 MATCH (n) RETURN n LIMIT 25 来查看是否成功导入了节点和关系。

• Cypher 查询：你可以使用 Cypher 查询语言来查询某个员工在哪个公司工作，或者查询公司之间的关系等。

MATCH (e:Person)-[:WORKS_AT]->(c:Company)
RETURN e.name, c.name

5. 扩展功能

• 批量插入数据：对于大型 Excel 文件，你可能需要考虑批量插入，以提高性能。py2neo 提供了 Batch API，可以一次性处理多个操作。
• 复杂关系：你可以根据需要创建更复杂的关系和节点属性，拓展图谱模型。

from py2neo import Batchbatch = Batch(graph)for index, row in df.iterrows():# 创建公司节点company = Node("Company", name=row['Company'])batch.merge(company, "Company", "name")# 创建员工节点employee = Node("Person", name=row['Employee'], position=row['Position'])batch.merge(employee, "Person", "name")# 创建员工与公司之间的关系works_at = Relationship(employee, "WORKS_AT", company)batch.create(works_at)# 批量提交
batch.submit()

总结

通过上述步骤，你可以轻松地将 Excel 数据转换为 Neo4j 图数据库中的节点和关系。利用 pandas 读取 Excel 文件和 py2neo 创建节点/关系，可以有效地将结构化数据转化为图数据进行进一步分析和查询。

中文手册

https://we-yun.com/doc/neo4j-chs-doc/