### 使用 Python 将关系数据导入 Neo4j 为了将关系数据从 Excel 或 CSV 文件导入到 Neo4j 中，可以按照以下方式操作。这涉及读取文件中的节点和边的关系，并将其存储到 Neo4j 图形数据库中。 #### 1. 安装必要的依赖项 在开始之前，需要安装 `pandas` 和 `neo4j` 库用于处理 CSV 数据以及与 Neo4j 进行交互。 ```bash pip install pandas neo4j ``` #### 2. 导入所需的模块并设置连接 以下是完整的代码示例： ```python import pandas as pd from neo4j import GraphDatabase # 设置Neo4j连接参数 uri = "bolt://localhost:7687" username = "neo4j" password = "your_password" driver = GraphDatabase.driver(uri, auth=(username, password)) def create_nodes_and_relationships(tx, df): """ 创建节点和关系的方法 :param tx: 驱动事务对象 :param df: DataFrame 对象 """ for _, row in df.iterrows(): query = ( f"MATCH (a:Entity {{name: $source}}), (b:Entity {{name: $target}})" f"CREATE (a)-[:{row['relationship']}]-(b)" ) tx.run(query, source=row["source"], target=row["target"]) # 假设有一个CSV文件名为 'relationships.csv' df = pd.read_csv('relationships.csv') with driver.session() as session: # 清除已有数据（可选） session.run("MATCH (n) DETACH DELETE n") # 执行创建节点和关系的操作 session.write_transaction(create_nodes_and_relationships) print("Data imported successfully.") ``` 上述代码实现了以下几个功能： - **读取 CSV 文件**：利用 Pandas 的 `read_csv()` 方法加载包含源节点 (`source`)、目标节点 (`target`) 及其之间关系的数据表[^1]。 - **建立 Neo4j 连接**：通过 `GraphDatabase.driver()` 函数指定 URI 地址、用户名和密码完成连接配置[^3]。 - **定义 Cypher 查询语句**：匹配已存在的实体节点并通过它们之间的特定字段构建新的关联路径[^2]。 #### 注意事项 如果遇到性能瓶颈或者大数据量场景下建议分批提交交易以减少内存占用；另外还需注意异常捕获机制以便及时发现错误信息反馈给用户端。