py2neo的neo4j数据库增删改查节点node、关系relationship、属性property操作

py2neo的neo4j数据库增删改查节点node、关系relationship、属性property操作 

py2neo版本为4.3.0 

设置节点和关系: 

# neo4j默认密码是neo4j,如有修改,需要修改第二个‘neo4j’。 

 graph = Graph("http://localhost:7474", auth=("neo4j", "neo4j")) 

 a = Node('Man', name='Alice4',desc='2021') 

 b = Node('Man', name='Bob4',desc='2022') 

 c = Node('Man', name='Bob4',desc='2023') 

 r = Relationship(a, 'KNOWS', b) 

 print(a, b, r) 1 2 3 4 5 6 7 

增添: 

 # 增加属性 

 # 节点增加属性 

 a['age'] = 20 

 a['location'] = '上海' 

 b['age'] = 21 

 c['age'] = 22 

 # 关系增加属性 

 r['time'] = '2017/08/31' 

 # 赋值默认属性 

 a.setdefault('location','北京') 

 r.setdefault('location','归属地') 

 # 属性批量更新

data = { 'name': 'Amy', 'age': 23 } 

 a.update(data) 

 # 添加关系

relationship graph.create(r) 

 y=a|b|r 

 graph.create(y) 

 # 添加节点Node 

 graph.create(c) 

 print(a, b, r) 

 # 添加关系 

 graph.run("match (p:Post),(u:User) \ where p.OwnerUserId = u.Id \ create (u)-[:Own]->(p)") 

 # 批量添加节点,需修改对应内容 

 # tx = graph.begin() 

 # nodes = [] 

 # for line in lineLists: 

     # oneNode = Node() 

 # 

 # 这里的循环,一般是把文件的数据存入node中 

     # nodes.append(oneNode) 

 # nodes = neo.Subgraph(nodes) 

 # tx.create(nodes) 

 # tx.commit() 

 查询: 

 print("***查询***") 

 # 查询节点和关系 

 s = r+Relationship(b,'LIKE',c) 

 for item in walk(s): 

     print(item) 

 # 查节点 

 print('***查点***') 

 data = graph.run('MATCH (p:Man) return p').data() 

 print(data) 

 l=list(graph.nodes.match('Man',name="Amy" )) 

 print(l) 

 # 查关系,找到所有关系 

 print("***查关系***") 

 r=list(graph.match(nodes=None, r_type=None, limit=None)) 

 # 查找一条关系 

 relationship = graph.match_one(r_type = 'KNOWS') 

 print(r) 

 # 查询关系的条数 

 print(len(r)) 

 # py2neo提供了专门的查询模块 NodeMatcher节点 RelationshipMatcher关系 

 # 测试NodeMatcher 

 print("***NodeMatcher***") 

 nodematcher=NodeMatcher(graph) 

 # 返回列表 

 select_nodes=nodematcher.match('Man') 

 print(list(select_nodes)) 

 # 返回第一个节点 

 select_nodes=nodematcher.match('Man').first() print(list(select_nodes)) 

 # 返回年龄为21的label为Man的所有节点 select_nodes=nodematcher.match('Man').where(age=21) print(list(select_nodes)) 

 # 测试RelationshipMatcher print("***relationshipmatcher***") relmatcher=RelationshipMatcher(graph) 

 # 返回关系属性location为’归属的‘、type为KNOWS的所有关系 res=relmatcher.match(r_type='KNOWS',location = '归属地') 

print(list(res)) # 返回与b关系为KNOWS的所有关系 res1=relmatcher.match({b},'KNOWS').limit(None) print(list(res1)) 

 # 等同于

graph.match(nodes=b, r_type=KNOWS, limit=None) 

 res2=graph.match(nodes={b}, r_type='KNOWS', limit=None) 

 print(list(res2)) 

 修改: 

 print("***修改***") 

 # 修改节点

Nodes alter_data=graph.begin() nodes_list=list(graph.nodes.match('Man').where(age=21)) 

 for node in nodes_list: 

     node['desc']='2021.09.15' 

     # 删除节点的属性 

     del node['age'] 

 sub=Subgraph(nodes=nodes_list) 

 # 修改关系 rels_list=list(graph.match(nodes=None,r_type="KNOWS",limit=None)) for rel in rels_list: rel['time']='2021.09.15' del rel['time'] sub2=Subgraph(relationships=rels_list) alter_data.push(sub) alter_data.push(sub2) alter_data.commit()  

删除: 

 #在删除Node时必须先删除其对应的Relationship,否则无法删除Node 

 print("***删除***") 

 # 删除节点 

 graph.delete(a) 

 # 删除标签为phone的所有节点和关系 

graph.run('match (n:Man) detach delete n') 

 # 删除一个节点(根据id) 

 graph.run('match (r) where id(r) = 63 delete r') 

# 删除一个节点(根据属性name) 

 graph.run('match (n:Man{name:\'Bob4\'}) delete n') 

 # 删除一个节点及与之相连的关系 

 graph.run('match (n:Man{name:\'Bob4\'}) detach delete n') 

 # 删除关系 

 # 删除type为KNOWS的所有关系 

 graph.run('match ()-[r:KNOWS]->() delete r;') 

 # 删除一条type为KNOWS的关系 

 relationship = graph.match_one(r_type = 'KNOWS') 

 graph.delete(relationship) 

 # 删除b节点的type为KNOWS的所有关系 

 relmatcher=RelationshipMatcher(graph) res=relmatcher.match({b},'KNOWS')

graph.delete(res) 

 # 删除标签为Man的节点到标签为Man的节点的所有type为KNOWS的关系 graph.run('match (:Man)-[r:KNOWS]->(:Man) delete r;') 

 # 可在neo4j上显示关系数:'match (:Man)-[:KNOWS]->(:Man) return count(*);' 

 # 删除属性 

 # 专门删除node的某个property,需要配合修改节点操作 

 # del a['age'] 

 # 删除关系的某个property,需要配合修改关系操作 

 # del r['LIKES'] 

 # 删除所有 graph.delete_all() 

 # 等同 graph.run('match (n) detach delete n')

 ———————————————— 版权声明:本文为CSDN博主「Jack001011」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/Jack001011/article/details/120312094

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,539评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,911评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,337评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,723评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,795评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,762评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,742评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,508评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,954评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,247评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,404评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,104评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,736评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,352评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,557评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,371评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,292评论 2 352

推荐阅读更多精彩内容