好用的图数据库neo4j

基于neo4j的数据可视化

Neo4j是一个高性能的,NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。程序员工作在一个面向对象的、灵活的网络结构下而不是严格、静态的表中——但是他们可以享受到具备完全的事务特性、企业级的数据库的所有好处。

    （1）安装好neo4j数据库后，进入bin目录，控制台输入，启动neo4j数据库，浏览器输入，访问数据库。

    （2）使用python导入数据。

相关代码如下：

1.连接数据库

# coding:utf-8
from py2neo import Graph, Node, Relationship, NodeMatcher
import numpy as np
import pandas as pd

person_list = pd.read_csv('testdata1.txt', sep=' ')
X = person_list[["id", "child_id", "relation"]]  # 取出需要的数据

list = []
nodes = []
categories = []

##连接neo4j数据库，输入地址、用户名、密码
graph = Graph('http://localhost:7474', auth=("neo4j", "root"))

2.数据去重，并且创建结点

##创建结点

i = 0
uniqueId = []
uniqueChildId = []
for row in X.iteritems():
    if i == 0:
        uniqueChildId = np.unique(row[1].values)
        nodes.append(uniqueChildId)
        print(uniqueChildId)
        i =i+1
        continue
    if i == 1:
        uniqueId = np.unique(row[1].values)
        nodes.append(uniqueId)
        print(uniqueId)
        i=i+1
        continue
uniqueId = np.append(uniqueId,uniqueChildId)

globalUnique = np.unique(uniqueId)
print(globalUnique) #id以及子id去重后的全局唯一id
j = 0
for row in globalUnique:
    graph.create(Node('血缘关系', name=int(row)))
    j+=1
    print('node:'+str(j))

 

3.创建关系

# ##创建关系
k = 0
for row in X.itertuples():
    list.append({"source":str(row.id),"target":str(row.child_id)})
    relation = ""
    if(row.relation=='s'):
        relation = "儿子"
    elif(row.relation=='m'):
        relation = "母亲"
    elif(row.relation=='f'):
        relation = "父亲"
    rel = Relationship(NodeMatcher(graph).match(name=row.id).first(),
                       relation,
                       NodeMatcher(graph).match(name=row.child_id).first())
    print(rel)
    k+=1
    print('res:'+str(k))
    graph.create(rel)

整个过程大概持续2个小时左右（10万条数据）。

（3）通过查看可视化数据如下：

 

通过上图可以看到，数据的逻辑关系已经展示出来，但是有一个问题，就是数据的逻辑关系混乱（同一个人，既是儿子，又是母亲）

大数据环境下，数据无法做到百分百正确，需要根据一些特定参数进行修正，但是规则也不是随意指定的，此处我们没有更多的信息，暂不修正逻辑错误。

(4)通过查询结点

查询指定属性结点：

MATCH (n)-->(b) where b.name = 1296

return b

查询指定关系结点：

MATCH p=()-[r:`儿子`]->() RETURN p

查询指定label结点：

MATCH (n:`血缘关系`) RETURN n

按指定度查询结点：

MATCH (k)

WITH k, size((k)--()) as degree

WHERE degree = 1

MATCH (k)--(n)

RETURN n,k,degree

 

查找结点最短路径：

MATCH (p1:`血缘关系` {name:9311}),(p2:`血缘关系`{name:365}),

p=shortestpath((p1)-[*..10]->(p2))

RETURN p

注：[*…10]表示查询路径长度10以内的关系