知识图谱：小小的入门级综合应用

导读

本篇文章转载自Voyager-m的博客：知识图谱-用python操纵neo4j数据库-以高速收费站记录为例。已获得原文作者转载许可。本篇与原篇的区别其实只是在一些循环的代码上进行了简化，让看起来很传统的代码缩减了很多。

背景介绍

让我们来想像这样一个场景：

突然有一天，国家突然要查这段高速公路在这段时间内的收费情况，包括车辆租赁、车辆通行等等的数据，然后经过抽样调查就查到了我们现在需要进行学习的数据：点击这里跳转到GitHub查看数据源。如果你需要，请放心下载，这些都是开源的。

开始从零搭建知识图谱所需的环境

好的，最耗时间的数据集准备已经结束了。我们直接开始吧。

因为并不知道人家查证是怎么查，所以这里就随便构建一下，说明一下构建的过程就够了。我们的目的是学习方法，不是抓犯人

为了能够让所有的人都能够上手，我们就从一台光秃秃的电脑开始。

大前提

先说明一下，我使用的环境是：

• Ubuntu$20.04$系统
• Python$3.8.5$
• Microsoft Visual Studio$1.52.1$+Python拓展包
• neo4j$4.2.1$

想法

为了简化部署过程，这里就使用Docker部署neo4j，减少很多本地配置的坑。后来经过实践发现，Docker Hub里面的官方镜像并没有内置Vim或者Vi，而且apt命令执行得究极无敌棒槌慢，所以，尽量不要进入Docker修改配置。

Docker安装

这个就直接参考我之前的安装博客，不再赘述啦。

点我查看Windows版Docker安装

点我查看Ubuntu版Docker安装

Neo4j安装

既然是什么都方便的Docker，那么自然步骤就是：

1、拉取镜像

docker pull neo4j

2、准备docker-compose.yml文件

为了方便，我就在本机部署的，于是放在了/usr/local/docker/neo4j这个目录下

# 以下配置可以兼容2.7到3.5的所有版本
version: '3.3'
# 服务
services:
  # neo4j服务
  neo4j:
    # 镜像来源
    image: 'neo4j'
    # 随着我的物理机的重启而重启
    restart: always
    # 使用exec命令进去后显示的主机名称
    hostname: 'Neo4j-11xx'
    # 在物理机的docker列表中显示名称
    container_name: 'neo4j_11xx'
    # 开启的端口
    ports:
      # 管理界面访问端口
      - '1174:7474'
      # 数据传输端口
      - '1187:7687'
    # 磁盘映射
    volumes:
      - /usr/local/docker/neo4j/data:/data

3、启动

docker-compose up -d

4、访问

打开浏览器（虽然知道是废话，但还是叮嘱一句：Windows用户别用IE打开）

然后访问http://localhost:1174这个网址（我们刚刚在docker-compose.yml中开启的是这个端口）。

初始用户名是neo4j，初始密码是neo4j，初始数据库是neo4j。不写是哪个数据库将会默认进入neo4j数据库。对于小白来说，保持空白就好了。

5、Python包

在物理机内，Windows用户可能需要使用Git Bash窗口进行包的安装，而Ubuntu直接使用Ctrl+Alt+T呼出终端安装，命令都是一样的：

pip3 install py2neo

这里就做一回强迫症，直接下最新的，别考虑最早支持的版本。

问题分析

• 如果网址进不去，先考虑是不是端口号输错了，比如明明你从$1174$端口能够打开登录界面，却在登录界面使用$7474$端口访问数据库。这就像是明明知道你得的是感冒，却拿了一瓶跌打油；
• 接着再考虑一下是不是镜像选错了。虽然Docker Hub中的镜像很多，但还是尽量使用官方镜像，因为有足够丰富的文档支撑。

编码实现

好了，到这里，环境搭完了，我们就开始吧。

全域变量配置

# 配置类
class CONFIG(enumerate):
  # Neo4j访问地址
  URL = 'http://localhost:1174'
  # 用户名
  USERNAME = 'neo4j'
  # 密码
  PASSWORD = 'ljx62149079'
  # xls文件路径
  XLS = os.getcwd() + '/knowledge/data.xls'
  # csv文件路径
  CSV = os.getcwd() + '/knowledge/data.csv'
  pass

数据读取

还是老朋友pandas：

# 数据导入类
class DataImporter:
  # 类构造器
  def __init__(self):
    # 直接从Excel里面读取所有的原生数据
    # self.raw_data = pd.read_excel(CONFIG.XLS)
    self.raw_data = pd.read_csv(CONFIG.CSV)
    # 将所有的数据提取到一维数组中（去重）
    self.all_data = list(
      # 使用集合去掉重复的
      set(
        [
          # 将一维数组所有的数据化为字符串
          str(i) for i in list(
            # 将二维数组改为一维数组
            itertools.chain(
              # 根据列属性一一列出表格中所有的行数据
              *[item for item in self.raw_data[[
                # 列出所有的列属性
                column for column in self.raw_data.columns
              ]].values]
            )
          )
        ]
      )
    )
    # 所有的购买方（去重）
    self.buyer_list = list(set(self.raw_data['购买方名称']))
    # 所有的销售方（去重）
    self.seller_list = list(set(self.raw_data['销售方名称']))
    # 所有原生数据的映射
    self.dict = pd.DataFrame({
     
      # 所有的金额（原生）
      'finance': list(self.raw_data['金额']),
      # 所有的购买方（原生）
      'buyer': list(self.raw_data['购买方名称']),
      # 所有的销售方（原生）
      'seller': list(self.raw_data['销售方名称'])
    })
    '''
    别忘了加上neo4j数据库访问
    '''
    # 图数据库对象
    self.graph = Graph(
      CONFIG.URL,
      username=CONFIG.USERNAME,
      password=CONFIG.PASSWORD
    )
    # 清空缓存
    self.graph.delete_all()
    # 配对器
    self.matcher = NodeMatcher(self.graph)
    pass

创建节点

既然数据读取可以了，那么我们就可以继续在类里面添加方法：

class DataImporter:
  # 传入购买方、销售方数据
  def create_tree_node(self, buyers, sellers):
    for key in buyers: # 根据购买方创建节点
      self.graph.create(
        Node('buyer', name=key)
      )
      pass
    for key in sellers: # 根据销售方创建节点
      self.graph.create(
        Node('seller', name=key)
      )
      pass
    pass
  pass

创建关系

class DataImporter:
  def create_nodes_relation(self):
    # 对于字典中所有的数据
    for item in range(0, len(self.dict)):
      try:
        self.graph.create(
        # 关系映射
        Relationship(
         self.matcher.match('buyer')
          .where("_.name='" + self.dict['buyer'][item] + "'")
          .first(),
         self.dict['finance'][item],
         self.matcher.match('seller')
          .where("_.name='" + self.dict['seller'][item] + "'")
          .first()
         )
        )
        pass
      # 如果出错，显示错误。增强程序健壮性
      except AttributeError as ae:
        print(ae, item)
        pass
      pass
    pass
  pass

整合

既然我们把零零碎碎的东西农好了之后，我们就开始整合：

# -*- coding: utf-8 -*-

import pandas as pd
import itertools
import os

from py2neo import Node, Graph, Relationship, NodeMatcher, data

# 配置类
class CONFIG(enumerate):
  # Neo4j访问地址
  URL = 'http://localhost:1174'
  # 用户名
  USERNAME = 'neo4j'
  # 密码
  PASSWORD = 'ljx62149079'
  # xls文件路径
  XLS = os.getcwd() + '/knowledge/data.xls'
  # csv文件路径
  CSV = os.getcwd() + '/knowledge/data.csv'
  pass

# 数据导入类
class DataImporter:
  # 类构造器
  def __init__(self):
    # 直接从Excel里面读取所有的原生数据
    # self.raw_data = pd.read_excel(CONFIG.XLS)
    self.raw_data = pd.read_csv(CONFIG.CSV)
    # 将所有的数据提取到一维数组中（去重），没用...
    # self.all_data = list(set([str(i) for i in list(itertools.chain(*[item for item in self.raw_data[[column for column in self.raw_data.columns]].values]))]))
    # 所有的购买方（去重）
    self.buyer_list = list(set(self.raw_data['购买方名称']))
    # 所有的销售方（去重）
    self.seller_list = list(set(self.raw_data['销售方名称']))
    # 所有原生数据的映射
    self.dict = pd.DataFrame({
     
      # 所有的金额（原生）
      'finance': list(self.raw_data['金额']),
      # 所有的购买方（原生）
      'buyer': list(self.raw_data['购买方名称']),
      # 所有的销售方（原生）
      'seller': list(self.raw_data['销售方名称'])
    })
    # 图数据库对象
    self.graph = Graph(
      CONFIG.URL,
      username=CONFIG.USERNAME,
      password=CONFIG.PASSWORD
    )
    # 清空缓存
    self.graph.delete_all()
    # 配对器
    self.matcher = NodeMatcher(self.graph)
    pass

  # 创建节点方法
  def create_tree_node(self, buyers, sellers):
    for key in buyers: # 根据购买方创建节点
      self.graph.create(
        Node('buyer', name=key)
      )
      pass
    for key in sellers: # 根据销售方创建节点
      self.graph.create(
        Node('seller', name=key)
      )
      pass
    pass
  # 创建节点间关系
  def create_nodes_relation(self):
    # 对于字典中所有的数据
    for item in range(0, len(self.dict)):
      try:
        self.graph.create(
          Relationship(self.matcher.match('buyer').where("_.name='" + self.dict['buyer'][item] + "'").first(), self.dict['finance'][item], self.matcher.match('seller').where("_.name='" + self.dict['seller'][item] + "'").first())
        )
        pass
      # 如果出错，显示错误，增强程序健壮性
      except AttributeError as ae:
        print(ae, item)
        pass
      pass
    pass

  pass

这段你可以在我的GitHub中下载

最后给个主函数

if __name__ == '__main__':
  # 数据导入类
  dataImpoter = DataImporter()
  # 创建实体节点
  dataImpoter.create_tree_node(dataImpoter.buyer_list, dataImpoter.seller_list)
  # 创建实体节点间的关系
  dataImpoter.create_nodes_relation()
  pass

运行

运行之后，啥都没有，就退出了。

你觉得失败了？当然没有，我们进入浏览器看看：http://localhost:1174，会发现一个界面：

在网址栏下面有个灰色的地方，有个淡淡的neo4j$（得仔细看），我们在这里输入：

MATCH p=()-->() RETURN p LIMIT 25

点击正右端的三角形，也就是运行按钮；如果你想方便也可以按回车。于是能够看到：

这就是neo4j给出的知识图谱。

看起来还不错！

是不是有点能理解了呢？