标签：name merge python graph entity1 df new neo4j csv

其实就是按行解析csv文件，并将其中数据分为“结点”、“关系”两种类型，构建利用Node()方法构建节点；Relationship()方法构建关系

csv结构

entity1,relation1,entity2,relation2,info,relation3,keyword
人格纠纷权,包含,一般人格权纠纷,描述,一般人格权纠纷是指因侵害他人的一般人格权，使他人的人格利益受损而引起的纠纷。,关键词,人格权、纠纷、指因、人格、利益

from py2neo import Graph, Node, Relationship
import pandas as pd

df = pd.read_csv('crime.csv', error_bad_lines=False, encoding='utf-8')
df = df.fillna('unknown') #填充缺失值

new = df['entity1'].str.strip()
df['entity1'] = new
new = df['entity2'].str.strip()
df['entity2'] = new
new = df['info'].str.strip()
df['info'] = new
new = df['keyword'].str.strip()
df['keyword'] = new

new = df['relation1'].str.strip()
df['relation1'] = new
new = df['relation2'].str.strip()
df['relation2'] = new
new = df['relation3'].str.strip()
df['relation3'] = new


# 连接neo4j数据库，输入地址、用户名、密码
graph = Graph("http://localhost:7474", username="neo4j", password='password')
graph.delete_all()
graph.begin()

# 创建结点
for i in range(len(df['entity1'])):
    #设置node
    node1 = Node('entity1', name=df['entity1'][i])
    graph.merge(node1, 'entity1', 'name')
    node2 = Node('entity2', name=df['entity2'][i])
    graph.merge(node2, 'entity2', 'name')
    node3 = Node('info', name=df['info'][i])
    graph.merge(node3, 'info', 'name')
    node4 = Node('keyword', name=df['keyword'][i])
    graph.merge(node4, 'keyword', 'name')

    #设置relation
    rel1 = Relationship(node1, df['relation1'][i], node2)
    rel2 = Relationship(node2, df['relation2'][i], node3)
    rel3 = Relationship(node3, df['relation3'][i], node4)
    graph.merge(rel1)
    graph.merge(rel2)
    graph.merge(rel3)

print("success")

标签：name,merge,python,graph,entity1,df,new,neo4j,csv
来源： https://www.cnblogs.com/Arisf/p/16366709.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。