一、前言
打开手机‘北京地铁’APP，输入起始点：霍营，终点：北京南站，发现系统给我们推荐了两条路线。
最短时间路线与最少换乘路线，并且分别给出了耗时与乘坐里程费。看到这里，不禁开启了靓仔疑问，假如给你地铁站相关数据，如何构建这样的关系网络呢？（尽量少写代码，毕竟我这个人懒的不行，花最少的功夫，整最炫的效果，咦）
1.整理地铁站点数据，处理成echarts图表所需要的结构
2.整理地铁站点数据，自己写代码实现，能实现（好累啊...）
3.整理地铁站点数据，导入 Neo4j 中，点击查看
分析：方案一，不仅要处理数据还要搞echarts样式，算了吧。方案二，直接PASS，还是方案三省力，正好我的电脑上之前安装过 Neo4j 图数据库，哈哈哈，开搞开搞！
软件下载地址：http://doc.we-yun.com:1008/neo4j-chs
软件安装教程：https://www.cnblogs.com/jstar...
二、数据准备
既然需要展示地铁关系，那么首先需要的就是北京所有地铁站的信息，以及站点之间的关系，距离，耗时。搜索了一圈，最后在北京地铁官方网站，发现了全部地铁线路，站点名称，站点与站点之间距离等信息。但是缺少了具体站点与站点之间的乘车耗时，行吧，先将就着用吧！具体数据样例如下：
数据来源地址：https://www.bjsubway.com/stat...
站点关系
一共18条线路，一顿复制粘贴和 Notepad++ 文本替换之后，我们得到了一个 Excel文件，包含了所有站点之间的关系数据，如下:
获取站点
复制所有站点进入Excel文件的某一个sheet，选择数据去重，得到所有站点名称。
处理CSV
将站点关系与站点数据处理成CSV文件格式，方便导入 Neo4j 数据库中，建立图节点与关系。操作也就是 notepad++ 替换‘ ’为‘,’,另存为 .CSV 文件，具体得到下列文件。（因为方便 Neo4j 数据库不同的路线显示不同的颜色，我特地将站点关系数据拆解成了多个地铁线的CSV文件，如果不考虑显示，可以一个CSV文件，导入站点关系即可）
备注：将所有CSV文件，放入 Neo4j 安装目录下的 import 文件夹中（没有就新建），如下：
文件下载地址：https://files-cdn.cnblogs.com...
三、建立地铁关系网
Neo4j 支持导入本地以及网络资源中的 CSV 文件数据，并且可以从CSV文件数据中，直接建立图形节点以及节点关系。具体 cypher 语句，如下：
建立地铁站点
LOAD CSV WITH HEADERS FROM "file:///station.csv" AS line
MERGE (p:Station{id:line.id,name:line.name});建立站点连接
LOAD CSV WITH HEADERS FROM "file:///line1.csv" AS line1
match (from1:Station{name:line1.sn}),(to1:Station{name:line1.en})
merge (from1)-[r1:一号线{jl:line1.jl,xl:line1.xl}]->(to1);
LOAD CSV WITH HEADERS FROM "file:///line2.csv" AS line2
match (from2:Station{name:line2.sn}),(to2:Station{name:line2.en})
merge (from2)-[r2:二号线{jl:line2.jl,xl:line2.xl}]->(to2);
LOAD CSV WITH HEADERS FROM "file:///line4.csv" AS line4
match (from4:Station{name:line4.sn}),(to4:Station{name:line4.en})
merge (from4)-[r4:四号线{jl:line4.jl,xl:line4.xl}]->(to4);
LOAD CSV WITH HEADERS FROM "file:///line5.csv" AS line5
match (from5:Station{name:line5.sn}),(to5:Station{name:line5.en})
merge (from5)-[r5:五号线{jl:line5.jl,xl:line5.xl}]->(to5);
LOAD CSV WITH HEADERS FROM "file:///line6.csv" AS line6
match (from6:Station{name:line6.sn}),(to6:Station{name:line6.en})
merge (from6)-[r6:六号线{jl:line6.jl,xl:line6.xl}]->(to6);
LOAD CSV WITH HEADERS FROM "file:///line7.csv" AS line7
match (from7:Station{name:line7.sn}),(to7:Station{name:line7.en})
merge (from7)-[r7:七号线{jl:line7.jl,xl:line7.xl}]->(to7);
LOAD CSV WITH HEADERS FROM "file:///line8.csv" AS line8
match (from8:Station{name:line8.sn}),(to8:Station{name:line8.en})
merge (from8)-[r8:八号线{jl:line8.jl,xl:line8.xl}]->(to8);
LOAD CSV WITH HEADERS FROM "file:///line9.csv" AS line9
match (from9:Station{name:line9.sn}),(to9:Station{name:line9.en})
merge (from9)-[r9:九号线{jl:line9.jl,xl:line9.xl}]->(to9);
LOAD CSV WITH HEADERS FROM "file:///line10.csv" AS line10
match (from10:Station{name:line10.sn}),(to10:Station{name:line10.en})
merge (from10)-[r10:十号线{jl:line10.jl,xl:line10.xl}]->(to10);
LOAD CSV WITH HEADERS FROM "file:///line13.csv" AS line13
match (from13:Station{name:line13.sn}),(to13:Station{name:line13.en})
merge (from13)-[r13:十三号线{jl:line13.jl,xl:line13.xl}]->(to13);
LOAD CSV WITH HEADERS FROM "file:///line14.csv" AS line14
match (from14:Station{name:line14.sn}),(to14:Station{name:line14.en})
merge (from14)-[r14:十四号线{jl:line14.jl,xl:line14.xl}]->(to14);
LOAD CSV WITH HEADERS FROM "file:///line15.csv" AS line15
match (from15:Station{name:line15.sn}),(to15:Station{name:line15.en})
merge (from15)-[r15:十五号线{jl:line15.jl,xl:line15.xl}]->(to15);
LOAD CSV WITH HEADERS FROM "file:///linebt.csv" AS linebt
match (frombt:Station{name:linebt.sn}),(tobt:Station{name:linebt.en})
merge (frombt)-[rbt:八通线{jl:linebt.jl,xl:linebt.xl}]->(tobt);
LOAD CSV WITH HEADERS FROM "file:///linecp.csv" AS linecp
match (fromcp:Station{name:linecp.sn}),(tocp:Station{name:linecp.en})
merge (fromcp)-[rcp:昌平线{jl:linecp.jl,xl:linecp.xl}]->(tocp);
LOAD CSV WITH HEADERS FROM "file:///lineyz.csv" AS lineyz
match (fromyz:Station{name:lineyz.sn}),(toyz:Station{name:lineyz.en})
merge (fromyz)-[ryz:亦庄线{jl:lineyz.jl,xl:lineyz.xl}]->(toyz);
LOAD CSV WITH HEADERS FROM "file:///linedx.csv" AS linedx
match (fromdx:Station{name:linedx.sn}),(todx:Station{name:linedx.en})
merge (fromdx)-[rdx:大兴线{jl:linedx.jl,xl:linedx.xl}]->(todx);
LOAD CSV WITH HEADERS FROM "file:///linefs.csv" AS linefs
match (fromfs:Station{name:linefs.sn}),(tofs:Station{name:linefs.en})
merge (fromfs)-[rfs:房山线{jl:linefs.jl,xl:linefs.xl}]->(tofs);
LOAD CSV WITH HEADERS FROM "file:///linejc.csv" AS linejc
match (fromjc:Station{name:linejc.sn}),(tojc:Station{name:linejc.en})
merge (fromjc)-[rjc:机场线{jl:linejc.jl,xl:linejc.xl}]->(tojc);执行效果
备注：Neo4j浏览器需要开启多语句执行配置，否则会报语句执行错误，配置界面如下：
1.Neo4j浏览器配置
2.cypher语句执行过程
3.地铁关系网效果
四、路径检索
以‘霍营’与‘北京南站’地铁站为例，检索具体一下路径：
最少站点路径
MATCH (p1:Station {name:"霍营"}),(p2:Station{name:"北京南站"}),p=shortestpath((p1)-[*]-(p2)) RETURN p最短路程路径
MATCH p=(b:Station{name:"霍营"})-[*..20]->(d:Station{name:"北京南站"}) WITH p,reduce(s = 0, r IN rels(p) | s + r.jl) AS dist return p ORDER BY dist DESC limit 1最少耗时路径
很遗憾，因为没有找到北京地铁每站之间具体的耗时数据，所以此处检索不出来，行吧，我太难了。
五、总结
1）数据整理涉及节点数据，节点关系数据，可在导入CSV时一并创建；
2）Cypher 是 借鉴了sql语句的 Neo4j 数据库操作语句；
3）(a)-[*..20]->(b)：表示路径长度的最大值是20，起始节点是a，终止节点是b；
4）一次执行多条语句，Neo4j浏览器需要开启多语句执行配置；
