Python使用Py2neo創(chuàng)建Neo4j的節(jié)點和關系

Neo4j是一款開源圖數(shù)據(jù)庫，使用Python語言訪問Neo4j可以使用Py2neo。本文介紹了使用Py2neo訪問Neo4j，批量創(chuàng)建節(jié)點和關系的方法。Py2neo提供了直接執(zhí)行Cypher語句的方法，也提供了諸如Node、Relationship、Path一系列的數(shù)據(jù)結構，在不同的場景下可以靈活使用。

​本文使用的Py2neo是2021.1之后的版本，手冊請戳這里：
The Py2neo Handbook

一、安裝Py2neo

使用pip安裝Py2neo，執(zhí)行：

pip install py2neo

查看已安裝的Py2neo是什么版本的：

pip show py2neo

二、連接Neo4j數(shù)據(jù)庫

本文中會用到多種數(shù)據(jù)類型，在此一并引用

import numpy as np
import pandas as pd
from py2neo import Node,Relationship,Graph,Path,Subgraph

配置Neo4j數(shù)據(jù)庫的訪問地址、用戶名和密碼

neo4j_url = '訪問地址'
user = '用戶名'
pwd = '密碼'

在此時間段之前訪問數(shù)據(jù)庫的方式為：

graph = Graph(neo4j_url, username=user, password=pwd)

在此時間段之后的版本訪問數(shù)據(jù)庫的方式為（就是這么不兼容）：

graph = Graph(neo4j_url,  auth=(user, pwd))

1. 使用graph.run執(zhí)行Cypher語句創(chuàng)建節(jié)點

如果熟悉Cypher語句的話，可以通過使用graph.run執(zhí)行Cypher語句來實現(xiàn)創(chuàng)建節(jié)點等操作，方法如下所示：

cypher_ = "CREATE (:Person {name:'王王', age:35, work:'腳本之家}),\

(:Person {name:'李李', age:20, work:'腳本之家})"
graph.run(cypher_)

這樣就在Neo4j中創(chuàng)建了兩個label為Person的節(jié)點，第一個節(jié)點的name屬性為“王王”，age屬性為35，work屬性為“腳本之家”，第二個節(jié)點的name屬性為“李李”，age屬性為20，work屬性為“宇腳本之家”。

同樣，可以通過調(diào)用graph.run執(zhí)行Cypher語句創(chuàng)建關系。

cypher_ = "MATCH (from:Person{name:'王王'}),\

(to:Person{name:'李李'}) MERGE (from)-[r:同事]->(to)"
graph.run(cypher_)

這樣在Neo4j中就有了具有同事關系的兩個Person節(jié)點。

2. 使用Node數(shù)據(jù)結構創(chuàng)建節(jié)點

Py2neo也提供graph.create方法來創(chuàng)建節(jié)點和關系

node = Node("Person", name="李李", age=20, work="腳本之家")
graph.create(node)

與執(zhí)行Cypher語句的效果相同，在Neo4j中創(chuàng)建了一個Person節(jié)點。

需要注意的是，這兩種創(chuàng)建方法，如果反復執(zhí)行的話，是會在Neo4j中創(chuàng)建出重復的節(jié)點的，即name、age、work屬性完全一樣，但在Neo4j中的id不一樣的多個節(jié)點。

3. 使用Node、Relationship和Subgraph數(shù)據(jù)結構創(chuàng)建節(jié)點和關系

上面兩種方法都是一次創(chuàng)建一個節(jié)點或者一個關系，Py2neo也提供了批量創(chuàng)建節(jié)點和關系的方法，而且性能更優(yōu)。下面就以下圖中的圖譜為例，使用Py2neo提供Node、Relationship和Subgraph數(shù)據(jù)結構在Neo4j中創(chuàng)建節(jié)點和關系。

首先創(chuàng)建一些label為Person的節(jié)點，即Node對象，第一個參數(shù)是label，屬性按key=value依次作為參數(shù)傳入。如果節(jié)點有多個label，可以用Node.add_label("label_text")來追加label。

node1 = Node("Person", name="王王", age=35, work="腳本之家")
node2 = Node("Person", name="李李", age=20, work="腳本之家")
node3 = Node("Person", name="張張", age=30, work="腳本之家")
node4 = Node("Person", name="趙趙", age=45, work="月亮中學")
node4.add_label("Teacher")
node5 = Node("Person", name="劉劉", age=20, work="地球電子商務公司")

再創(chuàng)建一些label為Location的節(jié)點

node6 = Node("Location", name="南京") 
node7 = Node("Location", name="江寧區(qū)") 
node8 = Node("Location", name="祿口機場") 

建立一些Person和Person節(jié)點之間的關系，Neo4j中的關系是有方向的，所以Relationship第一個參數(shù)為起始節(jié)點，第三個參數(shù)是結束節(jié)點，而第二個節(jié)點為關系的類型。這里創(chuàng)建的同事、鄰居的關系為雙向的，老師、學生的關系為單向。

relation1 = Relationship(node1, "同事", node2)
relation2 = Relationship(node2, "同事", node1)

relation3 = Relationship(node2, "同事", node3)
relation4 = Relationship(node3, "同事", node2)

relation5 = Relationship(node3, "鄰居", node4)
relation6 = Relationship(node4, "鄰居", node3)

relation7 = Relationship(node4, "學生", node5)
relation8 = Relationship(node5, "老師", node4)

創(chuàng)建一些Location和Location節(jié)點之間的關系，地域之間的包含關系為單向。

relation9 = Relationship(node6, "包含", node7)
relation10 = Relationship(node7, "包含", node8)

創(chuàng)建Person節(jié)點和Location節(jié)點之間的關系，這里“到訪”的關系是有屬性的，date表示到訪的日期，stay_hours表示停留的時間?？梢允褂靡粋€key:value的字典數(shù)據(jù)結構保存屬性，再賦予關系

properties1={'date':'2021-7-16','stay_hours':1}
relation11 = Relationship(node2, "到訪", node8, **properties1)

properties2={'date':'2021-7-19','stay_hours':4}
relation12 = Relationship(node5, "到訪", node8, **properties2)

然后將以上所有節(jié)點和關系組成Subgraph

node_ls = [node1, node2, node3, node4, 
           node5, node6, node7, node8]
relation_ls = [relation1, relation2, relation3, relation4, 
               relation5, relation6, relation7, relation8, 
               relation9, relation10, relation11, relation12]
subgraph = Subgraph(node_ls, relation_ls)

最后通過事務類Transaction提交，批量創(chuàng)建這些節(jié)點和關系。這里tx.create并沒有真正創(chuàng)建節(jié)點和關系，直到graph.commit才一次性提交到Neo4j進行創(chuàng)建。

tx = graph.begin() 
tx.create(subgraph)
graph.commit(tx)

重復執(zhí)行上面的命令，不會創(chuàng)造出重復的節(jié)點和關系。這一點手冊中有說明：“subgraph中的已經(jīng)和數(shù)據(jù)庫綁定的實體將保持不變，那些沒有綁定的將在數(shù)據(jù)庫中新建并綁定上?！?/p>

create(subgraph) Create remote nodes and relationships that correspond to those in a local subgraph. Any entities in subgraph that are already bound to remote entities will remain unchanged, those which are not will become bound to their newly-created counterparts.

三、性能對比

做一個簡單的實驗粗略地對比逐個創(chuàng)建和批量創(chuàng)建的時間開銷。在Neo4j為空數(shù)據(jù)庫的情況下，分別采用逐個創(chuàng)建和批量創(chuàng)建的方法創(chuàng)建10000個節(jié)點，每個節(jié)點有name和age兩個屬性，都是隨機生成的，使用jupyter notebook的%%time命令計算時間開銷。

import random
N = 10000

逐個創(chuàng)建節(jié)點：

%%time
for i in range(N):
    random_name = "P"+str(round(random.random()*N*2))
    random_age = round(random.random()*15)
    node = Node("Person", name=random_name, age=random_age)
    graph.create(node)

CPU times: user 50.3 s, sys: 4.19 s, total: 54.5 s
Wall time: 5min 16s

批量創(chuàng)建節(jié)點：

%%time
node_ls = []
for i in range(N):
    random_name = "P"+str(round(random.random()*N*2))
    random_age = round(random.random()*15)
    node = Node("Person", name=random_name, age=random_age)
    node_ls.append(node)

subgraph = Subgraph(node_ls, [])
tx = graph.begin() 
tx.create(subgraph)
graph.commit(tx)

CPU times: user 448 ms, sys: 75.5 ms, total: 523 ms
Wall time: 1.46 s

實驗中也發(fā)現(xiàn)，只是創(chuàng)建節(jié)點的話，批量創(chuàng)建方法的時間開銷幾乎是線性增長的，當一次性提交10萬個節(jié)點的創(chuàng)建任務時，時間開銷大約在4.5秒。
在使用Py2neo構建圖譜時，盡可能使用批量創(chuàng)建方法。先創(chuàng)建節(jié)點（Node）對象、關系（Relationship）對象，再構成子圖（Subgraph），最后利用事務類一次提交創(chuàng)建。
下一篇將介紹如何運用Py2neo查詢節(jié)點、關系和路徑。

這篇關于用Py2neo創(chuàng)建Neo4j的節(jié)點、關系及路徑的文章就先介紹到這了,更多相關Py2neo內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！