Py2Neo 是一个与 Neo4j 图数据库交互的 Python 库，提供了丰富的 API，使得 Python 程序能够轻松地进行数据查询、插入、更新等操作。以下是对 Py2Neo 库的详细介绍，包括安装、基本操作以及常见的使用方法。

---

1. 安装 Py2Neo

首先安装 Py2Neo，可以使用 pip 命令：

pip install py2neo

2. 连接到 Neo4j 数据库

在使用 Py2Neo 之前，需要连接到 Neo4j 数据库。确保数据库已启动，并知道连接的地址、用户名和密码。

from py2neo import Graph# 创建一个与 Neo4j 数据库的连接
graph = Graph("bolt://localhost:7687", auth=("neo4j", "password"))

• bolt://localhost:7687 是 Neo4j 默认的 Bolt 协议地址。
• auth=("neo4j", "password") 需要替换为您的用户名和密码。

3. 基本操作

在 Py2Neo 中，主要的操作包括节点（Node）、关系（Relationship）的创建、查询和更新等。以下介绍每种操作的用法。

3.1 创建节点

使用 Node 类来创建节点，并使用 create 方法将节点存入数据库：

from py2neo import Node# 创建一个标签为 "Person"，名字为 "Alice" 的节点
alice = Node("Person", name="Alice", age=30)
graph.create(alice)

上面代码创建了一个 Person 标签的节点，并赋予了 name 和 age 属性。

3.2 创建关系

使用 Relationship 类可以在两个节点之间创建关系：

from py2neo import Relationship# 创建一个 Bob 节点
bob = Node("Person", name="Bob", age=25)
graph.create(bob)# 创建 Alice 和 Bob 的关系
knows_relationship = Relationship(alice, "KNOWS", bob)
graph.create(knows_relationship)

这段代码创建了 Alice 和 Bob 之间的 “KNOWS” 关系。

3.3 查询数据

可以使用 Cypher 查询语言通过 run 方法查询数据。以下是一些常见的查询方式。

• 查找所有 Person 节点：

result = graph.run("MATCH (p:Person) RETURN p")
for record in result:print(record["p"])

• 查找特定条件的节点或关系，例如查询名字为 “Alice” 的节点：

result = graph.run("MATCH (p:Person {name: 'Alice'}) RETURN p")
for record in result:print(record["p"])

3.4 更新节点属性

可以使用 run 方法直接执行 Cypher 更新语句，或使用 Node 对象修改属性后保存：

# 使用 Cypher 语句更新节点
graph.run("MATCH (p:Person {name: 'Alice'}) SET p.age = 31")# 或者通过更新节点对象属性
alice["age"] = 31
graph.push(alice)  # 将更改推送到数据库

3.5 删除节点和关系

可以使用 delete 方法删除单个节点或关系，也可以使用 Cypher 命令。

• 删除特定节点：

graph.delete(alice)

• 通过 Cypher 删除节点和关系（删除所有 Person 节点及其关系）：

graph.run("MATCH (p:Person) DETACH DELETE p")

4. 批量创建和事务处理

在操作大量数据时，可以利用事务来批量创建节点和关系，以提高效率：

from py2neo import Transaction# 开始事务
with graph.begin() as tx:# 批量创建节点和关系alice = Node("Person", name="Alice")bob = Node("Person", name="Bob")tx.create(alice)tx.create(bob)tx.create(Relationship(alice, "KNOWS", bob))

这种方法可以减少单个事务的提交次数，提高性能。

5. 高级用法

5.1 使用参数化查询

参数化查询可以帮助避免 SQL 注入风险，并简化复杂查询。

name = "Alice"
result = graph.run("MATCH (p:Person {name: $name}) RETURN p", name=name)
for record in result:print(record["p"])

5.2 使用 Schema 索引和唯一约束

可以使用 Schema 索引来加速查询，并创建唯一约束以避免重复数据。

# 创建名字属性的索引
graph.schema.create_index("Person", "name")# 创建唯一约束
graph.schema.create_uniqueness_constraint("Person", "id")

5.3 使用 Graph Data Science (GDS) 算法

Py2Neo 支持调用 Neo4j Graph Data Science 算法库，例如进行社区检测、最短路径等操作：

# 查找 Alice 和 Bob 之间的最短路径
result = graph.run("""MATCH (a:Person {name: 'Alice'}), (b:Person {name: 'Bob'}),path = shortestPath((a)-[*]-(b))RETURN path
""")
for record in result:print(record["path"])

6. 完整示例

以下代码示例演示了一个小型知识图谱的构建过程，包括节点和关系的创建、查询和更新：

from py2neo import Graph, Node, Relationship# 连接 Neo4j 数据库
graph = Graph("bolt://localhost:7687", auth=("neo4j", "password"))# 创建节点
alice = Node("Person", name="Alice", age=30)
bob = Node("Person", name="Bob", age=25)
carol = Node("Person", name="Carol", age=27)
graph.create(alice)
graph.create(bob)
graph.create(carol)# 创建关系
graph.create(Relationship(alice, "KNOWS", bob))
graph.create(Relationship(bob, "KNOWS", carol))# 查询节点
result = graph.run("MATCH (p:Person) RETURN p")
for record in result:print(record["p"])# 更新节点
alice["age"] = 31
graph.push(alice)# 删除节点和关系
graph.delete(bob)