参考自：neo4j的python.py2neo操作入门
官方文档：The Py2neo Handbook — py2neo 2021.1
安装：pip install py2neo -i https://pypi.tuna.tsinghua.edu.cn/simple

1 节点 / 关系 / 属性 / 路径

节点(Node)和关系(relationship)是构成图的基础，节点和关系都可以有多个属性（property），并且均可以作为实体

重点：

1. 节点：在图数据库中，节点代表实体，可以拥有属性和标签。节点通常用来表示实际的数据实体，比如人、地点、事件等
2. 关系：关系描述了节点之间的连接或关联，必须包含两个节点，且具有方向：start node →end node
3. 路径：路径是由节点和关系组成的序列，描述了节点之间的连接路径。路径是一个完整的图形结构，由起始节点、关系和结束节点组成，表示了实体之间的关系和连接方式
4. 属性：键-值（key-value），键是字符串类型，值，可以是原数据，也可以由原数据同类型的数组
5. 对于一个节点来说，与之相连的关系是有输入和输出两个方向。（如node2有输入关系和输出关系：node1→node2→node3），这个特性对于遍历图很重要
6. 一个节点可以有一个关系是指向自己的

2 连接neo4j

前置安装：
配套资料：配套资料
安装Neo4j
下载配套资料中的neo4j-community-3.5.5-windows和jdk-11.0.2_windows-x64_bin
neo4j解压即可，jdk就常规安装
完成之后需要将neo4j和jdk的bin目录都配置为环境变量（即path中，若不懂请自行百度）

验证安装：
cmd窗口下 java -version
注： 若之前配置过jdk，需要将新配置的jdk上移到环境变量的最上方，或者直接删除以前配置过的jdk，然后重新打开cmd窗口进行验证安装

cmd下启动Neo4j
neo4j.bat console

访问http://localhost:7474/，用户名和密码都输入neo4j，并连接（注意命令行窗口不能关闭），之后重新设置密码（建议设置为123456）

#cmd窗口下
neo4j.bat console
浏览器访问 http://localhost:7474/

3 创建图对象

from py2neo import Graph, Subgraph
from py2neo import Node, Relationship, Path

# 连接数据库
# graph = Graph('http://localhost:7474', username='neo4j', password='123456') # 旧版本
graph = Graph('bolt://localhost:7687', auth=('neo4j', '123456'))

# 删除所有已有节点
graph.delete_all()

4 数据类型及操作

4.1 Node：节点

基本语法：Node（*labels，**properties）

# 定义node
node_1 = Node('英雄',name = '张无忌')
node_2 = Node('英雄',name = '杨逍',武力值='100')
node_3 = Node('派别',name = '明教')

# 存入图数据库
graph.create(node_1)
graph.create(node_2)
graph.create(node_3)
print(node_1)

4.2 Relationship：关系

基本语法：Relationship（(start_node, type, end_node, **properties)）

# 增加关系
node_1_to_node_2 = Relationship(node_2,'教主',node_1)
node_3_to_node_1 = Relationship(node_1,'统领',node_3)
node_2_to_node_2 = Relationship(node_2,'师出',node_3)

graph.create(node_1_to_node_2)
graph.create(node_3_to_node_1)
graph.create(node_2_to_node_2)

4.3 Path：路径

基本语法：Path(*entities)
注：entities是实体

# 建一个路径：比如按照该路径查询，或者遍历的结果保存为路径
node_4,node_5,node_6 = Node(name='阿大'),Node(name='阿三'),Node(name='阿二')
path_1 = Path(node_4,'小弟',node_5,Relationship(node_6, "小弟", node_5),node_6) # (阿大)-[:小弟 {}]->(阿三)<-[:小弟 {}]-(阿二)
graph.create(path_1)

print(path_1)

4.4 Subgraph：子图

节点和关系的任意集合，它也是 Node、Relationship 和 Path 的基类
基本语法：Subgraph(nodes, relationships)
空子图表示为None，使用bool（）可以测试是否为空，且参数要按数组输入

# 创建一个子图，并通过子图的方式更新数据库
node_7 = Node('英雄',name = '张翠山')
node_8 = Node('英雄',name = '殷素素')
node_9 = Node('英雄',name = '狮王')

relationship7 = Relationship(node_1,'生父',node_7)
relationship8 = Relationship(node_1,'生母',node_8)
relationship9 = Relationship(node_1,'义父',node_9)
subgraph_1 = Subgraph(nodes = [node_7,node_8,node_9],relationships = [relationship7,relationship8,relationship9])
graph.create(subgraph_1)

4.5 工作流

（1）GraphService：基于图服务的工作流。
（2）Graph：基于图数据库的工作流（前文所述的基本上都是如此）。
（3）Transaction：基于事务的工作流
在一个事务里，进行多种操作，只有操作全部完成，工作流才算完成，如：
一个Transaction分两个任务：① 增加一个新节点 ② 将该节点与已有节点创建新关系
两个任务只要有一个没完成，整个工作流就不会生效
通常，该种方式通过Graph.begain(readonly=False)构造函数构造，参数readonly表示只读，无参数默认可写

# 创建一个新的事务
transaction_1 = graph.begin()

# 创建一个新node
node_10 = Node('武当',name = '张三丰')
transaction_1.create(node_10)
# 创建两个关系：张无忌→（师公）→张三丰   张翠山→（妻子）→殷素素
relationship_10 = Relationship(node_1,'师公',node_10)
relationship_11 = Relationship(node_7,'妻子',node_8)

transaction_1.create(relationship_10)
transaction_1.create(relationship_11)

transaction_1.commit()

4.6 删

# 删除所有：谨慎使用
# graph.delete_all()

# 按照节点id删除：要删除某个节点之前，需要先删除关系。否则会报错：ClientError
graph.run('match (r) where id(r) = 3 delete r')
# 按照name属性删除：先增加一个单独的节点：
node_x = Node('英雄',name ='韦一笑')
graph.create(node_x)
graph.run('match (n:英雄{name:\'韦一笑\'}) delete n')

# 删除一个节点及与之相连的关系
graph.run('match (n:英雄{name:\'韦一笑\'}) detach delete n')
# 删除某一类型的关系
graph.run('match ()-[r:喜欢]->() delete r;')

# 删除子图
# delete(self, subgraph)

4.7 改

# 将node_9狮王的武力值改为100
node_9['武力值']=100
# 本地修改后要push到服务器上
graph.push(node_9)

4.8 查

为了使用更复杂查询，将图数据库扩充如下：

# 为了便于查询更多类容，新增一些关系和节点
transaction_2 = graph.begin()

node_100 = Node('巾帼',name ='赵敏')
re_100 = Relationship(node_1,'Love',node_100)

node_101 = Node('巾帼',name ='周芷若')
re_101 = Relationship(node_1,'knows',node_101)
re_101_ = Relationship(node_101,'hate',node_100)


node_102 = Node('巾帼',name ='小昭')
re_102 = Relationship(node_1,'konws',node_102)

node_103 = Node('巾帼',name ='蛛儿')
re_103 = Relationship(node_103,'Love',node_1)

transaction_2.create(node_100)
transaction_2.create(re_100)
transaction_2.create(node_101)
transaction_2.create(re_101)
transaction_2.create(re_101_)
transaction_2.create(node_102)
transaction_2.create(re_102)
transaction_2.create(node_103)
transaction_2.create(re_103)

transaction_2.commit()

① NodeMatcher：定位满足特定条件的节点
基本语法：NodeMatcher.match(*labels, **properties)

方法名	功能
first()	返回查询结果第一个Node，没有则返回空
all()	返回所有节点
where(condition,properties)	二次过滤查询结果
order_by	排序

# 定义查询
nodes = NodeMatcher(graph)

# 按照label查询所有节点
node_hero = nodes.match("英雄").all()
print('查询结果的数据类型:',type(node_hero))

# 按property查询，返回符合要求的首个节点：name-杨逍
node_single = nodes.match("英雄", name="杨逍").first()
print('单节点查询：\n', node_)

# 按property查询，返回符合要求的所有节点
node_name = nodes.match(name='张无忌').all()
print('name查询结果：', node_name)

# 在查询结果中循环取值
i = 0
for node in node_hero:
    print('label查询第{}个为：{}'.format(i,node))
    i+=1

# get（）方法按照id查询节点
node_id = nodes.get(1)
print('id查询结果：', node_id)

② NodeMatch
基本用法：NodeMatch(graph, labels=frozenset({}), predicates=(), order_by=(), skip=None, limit=None)

方法	功能
iter(match)	遍历所匹配节点
len(match)	返回匹配到的节点个数
all()	返回所有节点
count（）	返回节点计数，评估所选择的节点
limit(amount)	返回节点的最大个数
order_by（*fields）	按指定的字段或字段表达式排序 要引用字段或字段表达式中的当前节点，请使用下划线字符
where(*predicates, **properties)	二次过滤

from py2neo import NodeMatch

nodess = NodeMatch(graph, labels=frozenset({'英雄'}))

# 遍历查询到的节点
print('=' * 15, '遍历所有节点', '=' * 15)
for node in iter(nodess):
    print(node)
# 查询结果计数
print('=' * 15, '查询结果计数', '=' * 15)
print(nodess.count())
# 按照武力值排序查询结果:注意引用字段的方式，前面要加下划线和点：_.武力值
print('=' * 10, '按照武力值排序查询结果', '=' * 10)
wu = nodess.order_by('_.武力值')
for i in wu:
    print(i)

③ RelationshipMatcher：用于选择满足一组特定标准的关系的匹配器
基础语法：relation = RelationshipMatcher(graph)

from py2neo import RelationshipMatcher
# 查询某条关系
relation = RelationshipMatcher(graph)

# None表示any node，而非表示空
print('='*10,'hate关系查询结果','='*10)
x = relation.match(nodes=None, r_type='hate')
for x_ in x:
    print(x_)

# 增加关系
re1_1 = Relationship(node_101,'情敌',node_102)
re1_2 = Relationship(node_102,'情敌',node_103)
graph.create(re1_1)
graph.create(re1_2)

# 情敌查询结果
print('='*10,'hate关系查询结果','='*10)
x = relation.match(nodes=None, r_type='情敌')
for x_ in x:
    print(x_)   

④ RelationshipMatch
基本语法：RelationshipMatch(graph, nodes=None, r_type=None, predicates=(), order_by=(), skip=None, limit=None)
用法类同，不再赘述