NEO4J的基本使用以及桌面版NEO4J Desktop导入CSV文件

说明

因为我也刚接触知识图谱，就是小白，本篇博客相当于一些入门级的Cypher语句的举例，然后具体说明一下NEO4J Desktop导入CSV文件是怎么实现的，以及他的一些基本操作，适合刚接触的小伙伴。如果大家对于NEO4J的配置有疑问的话可以参考文章NEO4J桌面版的配置和连接Pycharm_neo4j 桌面版-CSDN博客

基本使用方法

1.清空数据，删除之前已有的节点、关系和属性等。

match (n) detach delete n

2.展示知识图谱中所有的节点、关系和属性等。

match(n) return n

3.创建

创建节点

创建没有属性的节点

创建一个节点，其标签为学生，没有属性。

create (n:学生) 

创建包含属性的节点

n代表节点名 学生是节点的标签（label）名 姓名、年龄、性别都是属性名 ，

标签名和属性名不用引号修饰，但是属性值如果是字符串需要加引号

create (n:学生 {姓名:'周杰伦',年龄:40,性别:'男'})

创建多标签的节点

创建一个既是学生又是父亲的节点

CREATE (n:学生:父亲)

我们也可以为周杰伦参加上一个歌手的节点标签

MATCH(学生 {姓名:'周杰伦'}) set 学生:歌手 

创建关系

创建新关系

CREATE (n:埠渝)-[r:LIKES]->(m:周杰伦) 
RETURN r

如下图所示，会创建出两个新的节点 ，一个新的关系，即新节点+新关系+无属性关系

创建有属性的关系

CREATE (n:学生{姓名:"李四"})-[relation:LIKES{程度:"十分喜爱"}]->(m:老师{姓名:"唐老师"})

下图可以看到，我们新建了一条带属性的关系边。

为现有的节点添加关系

MATCH (n:学生 {姓名:'埠渝'}), (m:歌手 {姓名:'周杰伦'})
CREATE (n)-[r:likes]->(m)
RETURN n, r, m;

当然也可以增加一定的限制条件，比如说ID。这里的id要注意是自己电脑上的。

MATCH (n:学生 ), (m:歌手)
where id(m)=11 and id(n)=12
CREATE (n)-[r:DIS]->(m)
RETURN n, r, m;

4.查询

查找节点相关信息

查找节点

其中这个学生是我们要查询的节点的标签（label），where里的事节点的属性，可以用来筛选节点标签是学生中，我们要去查询的是哪一个。

match (n:学生) where n.姓名='埠渝' return n

查询节点的标签

也就是说像前面所说的，我们为周杰伦创建了两个节点标签学生和歌手，意思就是把周杰伦这个节点对应的所有标签都查询出来。

MATCH (a:学生) where a.姓名='周杰伦' RETURN labels(a)

查询节点的属性值

MATCH (a:学生) where a.姓名='埠渝' RETURN properties(a)

查询节点的属性键

MATCH (a:学生) where a.姓名='埠渝' RETURN keys(a)

这里我们可以和上边的图对应一下，就很容易理解是什么意思了。

查找与当前节点有关系的的节点

查找李四所有有关系的老师的姓名

MATCH (n:学生 { 姓名 : '李四' })-->(m:老师) 
RETURN m.姓名

查找李四所有喜欢的老师的姓名

MATCH (n:学生 { 姓名 : '李四' })-[r:LIKES]->(m:老师)
RETURN m.姓名

查找关系

查询节点间的关系

查询埠渝和周杰伦间的关系类型

match(a) where a.姓名='埠渝' match(b) where b.姓名='周杰伦' match p=(a)-[r]->(b) return type(r)

查询关系的所有属性

查询李四和唐老师之间的关系的所有属性

查询节点间关系的属性键

match(a) where a.姓名='李四' match(b) where b.姓名='唐老师' match p=(a)-[r]->(b) return keys(r)

5.删除

删除节点的所有相关关系

注意这里是没有箭头的

MATCH (n:学生{姓名:'埠渝'})-[r]-()
DELETE r

删除节点的所有外向关系

这里就是有剪头的了

MATCH ()-[r]->(n:老师{姓名:'唐老师'})
DELETE r

删除某个检点的某类关系

MATCH (n:学生{姓名:'埠渝'})-[r:LIKES]-()
DELETE r

删除实体的属性

MATCH (n:学生{姓名:'埠渝'})
REMOVE n.性别

删除所有节点和关系

MATCH (n)
OPTIONAL MATCH (n)-[r]-()
DELETE n,r

6.修改

修改节点属性

create(n:学生{姓名:'埠渝',年龄:23})
MATCH (n:学生{姓名:'埠渝'})
SET n.姓名='王哥'

修改节点标签

MATCH (n:学生{姓名:'王哥'})
REMOVE n:学生
SET n:青年

修改关系的类型

MATCH (n:学生)-[r:LIKES]-(m:歌手)
WHERE n.姓名='埠渝' and m.姓名='周杰伦'
CREATE (n)-[r2:HATES]->(m)
DELETE r

NEO4J Desktop导入CSV文件

数据准备

将数据另存为下边的这个文件格式。

放入NEO4J中

这里像这样点击找到这个import ，会打开这个文件夹，这时候我们把上边的CSV文件保存到文件夹里就可以了。

代码

打开Neo4j Browser，输入下列代码

load csv with headers from "file:///PersonD.csv" as PersonD return PersonD

输出结果如下方所示，得到文件对应的结构化信息

创建节点

通过下列代码可以将文件里的人都抽出来创建节点，节点的标签为人，节点有一个属性姓名

load csv with headers from "file:///PersonD.csv" as PersonD 
merge (A:人{姓名:PersonD.人})
return count(A)

当然，我们不用上边的代码，用下边的代码就可以把文件里所有的属性都给节点带上了。

load csv with headers from "file:///PersonD.csv" as PersonD 
merge (A:人{姓名:PersonD.人,三种人:PersonD.三种人,党员:PersonD.党员,身份证号:PersonD.身份证号码,年龄:PersonD.年龄})
return count(A)

依据CSV数据创建关系

准备数据

保存在上述所说的import文件夹里。

创建节点

分别输入下列两段代码，创建节点

load csv with headers from "file:///PersonD1.csv" as PersonD1
merge (f:公民{公民:PersonD1.公民})
return count(f)

load csv with headers from "file:///PersonD1.csv" as PersonD1
merge (B:身份{身份:PersonD1.身份})
return count(B)

结果如下图所示。

建立关系

输入下列代码，可以将身份和公民之间建立关系。

load csv with headers from "file:///PersonD1.csv" as PersonD1
MATCH (f:公民{公民:PersonD1.公民})
MATCH (B:身份{身份:PersonD1.身份})
MERGE (f)-[r:身份是]->(B)

效果图，如下。

Create和Merge的区别

Create：

• CREATE 用于创建节点、关系或者属性，如果给定的模式已经存在，CREATE 会强制性地创建新的节点、关系或属性，即使相同的模式已经存在于数据库中。
• 它总是创建新的模式，不管之前是否存在相同的模式。

Merge：

• MERGE 也用于创建节点、关系或者属性，但它会首先尝试在数据库中查找给定的模式。如果找到了匹配的模式，则不会创建新的，而是将现有的模式返回。
• 如果没有找到匹配的模式，则会创建新的模式。

总的来说：

CREATE 总是创建新的模式，而 MERGE 会先查找是否已经存在相同的模式，存在则返回，不存在则创建。在需要确保模式的唯一性时，MERGE 是一个很有用的工具，可以避免重复创建相同的节点、关系或属性。

报错

如果出现这个报错，他的原因就是你的表格里的数据他不同列的个数不一样，比如说第一列20个，第二列19个，这样的话，你去读第一列（最长的这列）时不会出错，但是去读第二列的时候就会出错，就是因为你列表里的数据不一样长。

Neo.ClientError.Statement.SemanticError Cannot merge the following node because of null property value for 

欢迎大家有问题在评论区打出来，或者博客有什么问题，欢迎指正。