Neo4j，用Python探索图数据库的奥秘！

今天聊聊一个不怎么常见、但却很有意思的数据库— 图数据库。你可能已经接触过SQL、MongoDB这些关系型和非关系型数据库，但图数据库是一种有点特别的存在。今天我们用Python来探索一下Neo4j，这个专门处理图数据的数据库。

Neo4j是啥？简单来说，图数据库就是把数据看成一堆“点”和“边”，点代表实体，边代表实体之间的关系。它非常适合处理社交网络、推荐系统、路径优化等问题。

那我们接下来就一起看看，怎么用Python去操作Neo4j吧！

当然是连上Neo4j数据库。我们需要用到一个叫neo4j的Python库。

1pip install neo4j

接着，我们需要启动Neo4j数据库。如果你还没装Neo4j，可以去官网下载（Neo4j官网)，或者用Docker来快速启动一个Neo4j容器。

一旦Neo4j跑起来了，我们就可以用Python代码连接上它。    

1from neo4j import GraphDatabase
3# 替换成你的Neo4j地址和认证信息
4uri = “neo4j：//localhost：7687”
5username = “neo4j”
6password = “password”
8# 建立连接
9driver = GraphDatabase.driver(uri， auth=(username， password))
11# 创建一个会话
12with driver.session() as session：
13    result = session.run(“MATCH (n) RETURN n LIMIT 10”)
14    for record in result：
15        print(record)

温馨提示 ：记得要把password改成你自己的密码，不然会连不上哦！

上面的代码做了啥？我们先是连上了数据库，然后写了一条非常简单的Cypher查询（Cypher是Neo4j的查询语言），它的意思是：找到数据库中的前10个节点。

连接上数据库后，我们当然要往里面存点数据。我们来创建两个节点（假设是两个人）和它们之间的关系。    

1with driver.session() as session：
2    session.run(
3        “CREATE (a：Person {name： 'Alice'}) ”
4        “CREATE (b：Person {name： 'Bob'}) ”
5        “CREATE (a)-[：KNOWS]->(b)”
6    )

看起来Neo4j的Cypher语言有点像SQL，但又不完全一样。上面这段Cypher的意思是：

• 创建一个叫Alice的节点，标签是Person

• 创建一个叫Bob的节点，标签也是Person

• 创建一个关系，表示Alice认识Bob，用KNOWS来标记这个关系

温馨提示 ：Neo4j中的节点是用()表示的，边（关系）是用-[]-表示的，挺好记的吧？

现在我们再来查一下刚刚创建的数据，看看存进去了没。    

1with driver.session() as session：
2    result = session.run(“MATCH (a：Person)-[：KNOWS]->(b：Person) RETURN a， b”)
3    for record in result：
4        print(f“{record['a']['name']} knows {record['b']['name']}”)

这里的MATCH就像SQL里的SELECT，它的意思是：找到所有Person节点，并且它们之间有KNOWS关系。然后我们把查询结果打印出来，看看Alice是不是认识Bob。

在实际应用中，很多时候我们需要动态传递参数，Neo4j也支持这种参数化查询。这样不仅可以避免写死数据，还能防止SQL注入攻击类似的问题。    

1def create_person(name)：
2    with driver.session() as session：
3        session.run(“CREATE (a：Person {name： $name})”， name=name)
5create_person(“Charlie”)
6create_person(“David”)

这里我们用$name来作为参数占位符，session.run的第二个参数是一个字典（或者用关键字参数），用来传递实际的值。

温馨提示 ：参数化查询是个好习惯，不仅更安全，还能提高代码的可读性。

有了基本的CRUD操作后，我们可以尝试一些更复杂的查询。比如，现在我们想实现一个社交网络中的“推荐朋友”的功能。假设Alice认识Bob，Bob认识Charlie，那我们应该推荐Charlie给Alice。    

1with driver.session() as session：
2    result = session.run(
3        “MATCH (a：Person)-[：KNOWS]->(b：Person)-[：KNOWS]->(c：Person) ”
4        “WHERE a.name = $name AND NOT (a)-[：KNOWS]->(c) ”
5        “RETURN c.name AS recommended_friend”， name=“Alice”
6    )
7    for record in result：
8        print(f“Alice， you may know： {record['recommended_friend']}”)

上面的Cypher语句的意思是：

• 先找到Alice的朋友Bob（(a)-[：KNOWS]->(b)）

• 再找到Bob的朋友Charlie（(b)-[：KNOWS]->(c)）

• 但前提是Alice还不认识Charlie（NOT (a)-[：KNOWS]->(c)）

这样我们就可以给Alice推荐新的朋友啦！是不是很简单？

说了这么多，Neo4j适合用在哪些场景呢？其实，图数据库的应用场景非常广泛。一般来说，它特别适合处理那些实体之间关系复杂、且关系查询频繁的场景。举几个例子：

• 社交网络 ：用户之间的好友关系、关注关系等

• 推荐系统 ：根据用户的兴趣、朋友的喜好推荐内容

• 路径优化 ：比如城市交通网络中的最短路径计算

• 欺诈检测 ：通过分析交易网络中的可疑模式来发现欺诈行为

只要是关系复杂、链路深的数据分析场景，图数据库都能派上用场。