本文共 6892 字，大约阅读时间需要 22 分钟。

  

  我第一次建立关联图谱用的是R语言，通过写代码帮公安挖掘团伙犯罪，并用图形展示团伙之间的关联关系。如有需要请关注 “阿黎逸阳的代码” 公众号的后续文章，会手把手教大家用R搭建关联图谱，做成app，让没有安装R的电脑通过你分享的网址链接看到罪犯的关联关系。      公司最近又有挖掘团伙犯罪的项目，这次想在关联关系的基础上利用模型算法寻找犯罪团伙。这一次选用的是基于java实现的开源图数据库neo4j和Python，搭建关联图谱。      本文介绍用Python调用neo4j，搭建简单关联图谱，并用实例让大家快速熟悉语法。后续文章会探讨社群发现算法在关联图谱中的应用，欢迎持续关注。

  

  

一、Python连接neo4j

  

  使用Python调用neo4j，需要安装py2neo库，详细安装过程见：。安装好py2neo库后，可执行如下语句用Python连接neo4j（注: username和password需换成你的注册用户名和密码）。   

from py2neo import Graph, Node, Relationshipgraph = Graph(    "http://localhost:7474",     username="neo4j",     password="123456")

  

二、创建节点

  

为便于理解，本文关系数据采用家有儿女中的人物关系。   

1 删除数据库中以往的图，确保在一个空白的环境中进行操作

graph.delete_all()

该语句可以删除neo4j数据库中的所有图，确保在一个空白的环境中进行操作，避免以往项目数据对当前项目的干扰，但不是必须执行的语句。

     

2 创建人物节点

node_1 = Node("person", name = "夏东海")graph.create(node_1)

create是创建操作，person是标签，代表节点的类型，name是属性，一个节点可以用逗号隔开同时创建多个属性。该语句表示创建一个标签为person的节点，该节点有一个name属性，属性值是夏东海。在neo4j中点击红框中的图标，就可以展示以上语句创建的点。也可以使用如下CQL查询语句进行查询。

  

match (n) return n

  

创建家有儿女中主要人物的节点

node_2 = Node("person", name = "刘梅")node_3 = Node("person", name = "刘星")node_4 = Node("person", name = "夏雪")node_5 = Node("person", name = "夏雨")node_6 = Node("person", name = "胡统一")node_7 = Node("person", name = "玛丽")node_8 = Node("person", name = "戴明明")node_9 = Node("person", name = "戴天高")node_10 = Node("person", name = "胖婶")node_11 = Node("person", name = "夏祥")graph.create(node_2)graph.create(node_3)graph.create(node_4)graph.create(node_5)graph.create(node_6)graph.create(node_7)graph.create(node_8)graph.create(node_9)graph.create(node_10)graph.create(node_11)

在noe4j中运行如下语句

match(n) return n

得到结果如下：

  

  

  

3 创建工作节点和地点节点

node_12 = Node("job", name = "护士长")node_13 = Node("job", name = "学生")node_14 = Node("job", name = "编导")node_15 = Node("job", name = "无业游民")node_16 = Node("job", name = "社区工作人员")node_17 = Node("job", name = "无业游民")node_18 = Node("location", country = "中国", city = '北京')node_19 = Node("location", country = "美国", city = '纽约')graph.create(node_12)graph.create(node_13)graph.create(node_14)graph.create(node_15)graph.create(node_16)graph.create(node_17)graph.create(node_18)graph.create(node_19)

运行如下语句

match(n) return n

得到结果如下：

     

三、创建关系

  

1 创建人物之间的关系

  

创建刘梅和夏东海之间的关系

node_1_call_node_2 = Relationship(node_1,'丈夫',node_2)graph.create(node_1_call_node_2)

该语句表示node_1是node_2的丈夫，其中node_1代表夏东海，node_2代表刘梅。

      也可以先不创建点，直接在生成关系的时候创建点。

r1 = Relationship(Node("person", name = "刘梅"),'妈妈',Node("person", name = "刘星"))graph.create(r1)

不过这种方式生成的点都是离散的，不能生成双向图。比如运行如下语句：   

r1 = Relationship(Node("person", name = "刘梅"),'妈妈',Node("person", name = "刘星"))r2 = Relationship(Node("person", name = "刘星"),'儿子',Node("person", name = "刘梅"))graph.create(r1)graph.create(r2)

得到结果如下：

      如果想生成双向图，可以先创建点，再生成关系，运行如下语句：

node_1 = Node("person", name = "夏东海")node_2 = Node("person", name = "刘梅")r1 = Relationship(node_1,'丈夫',node_2)r2 = Relationship(node_2,'妻子',node_1)graph.create(r1)graph.create(r2)

得到结果如下：

   创建家有儿女中主要人物的关系

r3 = graph.create(Relationship(node_1,'继父',node_3))r4 = graph.create(Relationship(node_3,'继子',node_1))r5 = graph.create(Relationship(node_1,'父亲',node_4))r6 = graph.create(Relationship(node_4,'女儿',node_1))r7 = graph.create(Relationship(node_1,'父亲',node_5))r8 = graph.create(Relationship(node_5,'儿子',node_1))r9 = graph.create(Relationship(node_1,'前夫',node_7))r10 = graph.create(Relationship(node_7,'前妻',node_1))r11 = graph.create(Relationship(node_1,'儿子',node_11))r12 = graph.create(Relationship(node_11,'父亲',node_1))r13 = graph.create(Relationship(node_2,'母亲',node_3))r14 = graph.create(Relationship(node_3,'儿子',node_2))r15 = graph.create(Relationship(node_2,'继母',node_4))r16 = graph.create(Relationship(node_4,'继女',node_2))r17 = graph.create(Relationship(node_2,'继母',node_5))r18 = graph.create(Relationship(node_5,'继子',node_2))r19 = graph.create(Relationship(node_2,'前妻',node_6))r20 = graph.create(Relationship(node_6,'前夫',node_2))r21 = graph.create(Relationship(node_2,'同学',node_9))r22 = graph.create(Relationship(node_9,'同学',node_2))r23 = graph.create(Relationship(node_2,'邻居',node_10))r24 = graph.create(Relationship(node_10,'邻居',node_2))r25 = graph.create(Relationship(node_3,'弟弟',node_4))r26 = graph.create(Relationship(node_4,'姐姐',node_3))r27 = graph.create(Relationship(node_3,'哥哥',node_5))r28 = graph.create(Relationship(node_5,'弟弟',node_3))r29 = graph.create(Relationship(node_3,'儿子',node_6))r30 = graph.create(Relationship(node_6,'父亲',node_3))r31 = graph.create(Relationship(node_4,'姐姐',node_5))r32 = graph.create(Relationship(node_5,'弟弟',node_4))r33 = graph.create(Relationship(node_4,'女儿',node_7))r34 = graph.create(Relationship(node_7,'母亲',node_4))r35 = graph.create(Relationship(node_4,'朋友',node_8))r36 = graph.create(Relationship(node_8,'朋友',node_4))r37 = graph.create(Relationship(node_5,'儿子',node_7))r38 = graph.create(Relationship(node_7,'母亲',node_5))r39 = graph.create(Relationship(node_8,'女儿',node_9))r40 = graph.create(Relationship(node_9,'父亲',node_8))

运行如下语句

match(n) return n

得到结果如下：

           

2 创建人物和居住地址之间的关系

  

创建家有儿女中主要人物的居住地址关系

r41 = graph.create(Relationship(node_1,'居住地',node_18))r42 = graph.create(Relationship(node_2,'居住地',node_18))r43 = graph.create(Relationship(node_3,'居住地',node_18))r44 = graph.create(Relationship(node_4,'居住地',node_18))r45 = graph.create(Relationship(node_5,'居住地',node_18))r46 = graph.create(Relationship(node_7,'居住地',node_19))

得到结果如下：

     

  

3 创建人物和职业之间的关系

  

创建家有儿女中主要人物职业关系

r47 = graph.create(Relationship(node_1,'职业',node_14))r48 = graph.create(Relationship(node_2,'职业',node_12))r49 = graph.create(Relationship(node_3,'职业',node_13))r50 = graph.create(Relationship(node_4,'职业',node_13))r51 = graph.create(Relationship(node_5,'职业',node_13))r52 = graph.create(Relationship(node_8,'职业',node_13))r53 = graph.create(Relationship(node_6,'职业',node_15))r54 = graph.create(Relationship(node_10,'职业',node_16))

得到结果如下：

      至此，基于家有儿女中人物关系的关联图谱已经建好，接下来讲一讲查询。

  

  

四、查询

  

1 查节点

  

查询所有标签为人的节点

import pandas as pdprint(pd.DataFrame(graph.nodes.match('person')))

得到结果如下：

  

2 查关系

  

查询所有关系为父亲的节点

print(list(graph.match(r_type="父亲")))

得到结果如下：

     

五、更新图形

  

1 为节点增加属性

node_1['sex'] = '男'graph.push(node_1)

得到对比结果如下：

     原始       增加属性性别

  

2 为关系增加属性

node_20 = Node("person", name = "夏雪")node_21 = Node("person", name = "戴明明")node_20_call_node_21 = Relationship(node_20,'朋友',node_21)graph.create(node_20_call_node_21)node_20_call_node_21['程度'] = '普通'graph.push(node_20_call_node_21)

得到对比结果如下：

    原始    增加属性程度      

3 删除某个节点或关系

graph.delete(node_3)graph.delete(r1)

用delete语句删除之前创建的node_3节点和r1关系。

  Python调用py2neo创建简单关联图谱的基本语句就是上面这些啦，大家入门愉快。这篇文章可以和基于CQL语言调用noe4j搭建简单关联图谱的文章：手把手教你用neo4j搭建简单关联图谱（基于家有儿女中的人物关系） 一起对比阅读，能对neo4j有一个更清晰的认识。

   参考文献

https://zhuanlan.zhihu.com/p/30116307https://zhuanlan.zhihu.com/p/43492827https://zhuanlan.zhihu.com/p/59137998https://zhuanlan.zhihu.com/p/111260930https://baijiahao.baidu.com/s?id=1639202882632470513&wfr=spider&for=pc

  

你可能感兴趣:

长按(扫一扫)识别上方二维码学习更多Python和建模知识，让你的学习和工作更出彩。

转载地址：http://ngkhz.baihongyu.com/