py2neo导入csv文件

之前写的知识图谱指南
知识图谱：py2neo将csv文件导入neo4j


因为没有区分不同实体entity的类型，所以颜色相同，无法相互区分歌手、歌曲还是专辑等等。

py2neo导入周杰伦歌单csv

如果以普通三元组的形式导入周杰伦歌单csv，会出现很多实体entity的冗余，无法形成完整的知识图谱。

通过添加对前两列的描述，则可以对第一列和第二列进行分类查询，此时如果实体entity已经存在，则不建立新的节点Node。

from py2neo import Graph, Node, Relationship
# 连接neo4j数据库，输入地址、用户名、密码
graph = Graph("http://localhost:7474", name="neo4j", password='xxxx')

import pandas as pd

df = pd.read_csv('relation.csv',index_col=0)

df

• 代码改进
  如果节点没有被创建过，那么正常创建即可；
  如果节点已经被创建过，那么通过py2neo的match函数进行节点查询，之后建立关系Relationship。

graph.delete_all() #清除neo4j中原有的结点等所有信息

from py2neo import NodeMatcher
entity = []

for index,row in df.iterrows():
    print(entity)
    if row[0] not in entity:
        entity.append(row[0])
        node1 = Node(row[-2],name=row[0])
        graph.create(node1)
    else:
        node_matcher = NodeMatcher(graph)
        #print(list(node_matcher.match(row[-2]).where(row[0]))) 
        node1 = list(node_matcher.match(row[-2]).where(name=row[0]))[0]
    if row[1] not in entity:
        entity.append(row[1])  
        node2 = Node(row[-1],name=row[1])
        graph.create(node2)
    else:
        node_matcher = NodeMatcher(graph) 
        node2 = list(node_matcher.match(row[-1]).where(name=row[1]))[0]
        
    each = Relationship(node1, row[2], node2)
    graph.create(each)

效果展示

• 保留50个实体
  
• 保留100个实体