图数据库常规的有：neo4j（支持超多语言）、JanusGraph/Titan（分布式）、Orientdb，google也开源了图数据库Cayley（Go语言构成）、PostgreSQL存储RDF格式数据。

第三篇，一个比较完整的csv导入，并进行查询的案例，涉及的数据量较大，更贴合实际场景。

NorthWind Introduction

案例解析,官网：https://neo4j.com/developer/guide-importing-data-and-etl/
Github地址：https://github.com/neo4j-contrib/developer-resources

如果要全部一次性运行的话，可以键入命令：

bin/neo4j-shell -path northwind.db -file import_csv.cypher

本文是官方的一个比较完整的案例，包括三部分：csv载入、建立实体关联、查询
其中csv载入与建立实体关联可以了解到如何为Neo4j的数据集；
cypher的查询也有难易之分，该案例中较好得进行了使用，有初级查询与高级查询。

该数据集 NorthWind dataset 可以在github之中找到：neo4j-contrib/developer-resources
整个数据结构如图：
neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

很复杂是吧…来理一下逻辑:
neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

一、载入基本实体信息

保证数据格式
因为neo4j是utf-8的，而CSV默认保存是ANSI的，需要用记事本另存为成UTF-8的。

// Create customers
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///customers.csv" AS row
CREATE (:Customer {companyName: row.CompanyName, customerID: row.CustomerID, fax: row.Fax, phone: row.Phone});

// Create products
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///products.csv" AS row
CREATE (:Product {productName: row.ProductName, productID: row.ProductID, unitPrice: toFloat(row.UnitPrice)});

// Create suppliers
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///suppliers.csv" AS row
CREATE (:Supplier {companyName: row.CompanyName, supplierID: row.SupplierID});

// Create employees
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///employees.csv" AS row
CREATE (:Employee {employeeID:row.EmployeeID,  firstName: row.FirstName, lastName: row.LastName, title: row.Title});

// Create categories
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///categories.csv" AS row
CREATE (:Category {categoryID: row.CategoryID, categoryName: row.CategoryName, description: row.Description});

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///orders.csv" AS row
MERGE (order:Order {orderID: row.OrderID}) ON CREATE SET order.shipName =  row.ShipName;

注意：
执行两次会重复加载，注意！
“file:///customers.csv”中的’///’请注意！

CREATE (:Product {productName: row.ProductName)})其中：

Product为图ID，可以通过Match (customers) return customers进行查看；
row.ProductName的用法，跟dataframe差不多；
类似dict，其中的productName为Key

其中有一个比较奇怪的表格，那就是最后一个：orders.csv

为了查询更快,可以建立索引：

CREATE INDEX ON :Product(productID);
CREATE INDEX ON :Product(productName);
CREATE INDEX ON :Category(categoryID);
CREATE INDEX ON :Employee(employeeID);
CREATE INDEX ON :Supplier(supplierID);
CREATE INDEX ON :Customer(customerID);
CREATE INDEX ON :Customer(customerName);

给每个节点比较重要的ID字段建立索引。
不能同时执行，不然会报错：

Neo.ClientError.Statement.SyntaxError

同时添加一个约束：

CREATE CONSTRAINT ON (o:Order) ASSERT o.orderID IS UNIQUE;

同时，如果需要修改其中一部分内容，可参考下面案例：
如果Janet is now reporting to Steven那么久可以如以下方式进行修改：

MATCH (mgr:Employee {EmployeeID:5})
MATCH (emp:Employee {EmployeeID:3})-[rel:REPORTS_TO]->()
DELETE rel
CREATE (emp)-[:REPORTS_TO]->(mgr)
RETURN *;

定位到emp，把有关联的都先删掉DELETE，然后create新的关联。

延伸一：csv载入的两种方式（参考：3.3.20. LOAD CSV）

同时csv载入的方式有两种：本地载入+在线文档载入：
在线载入：

LOAD CSV FROM 'https://neo4j.com/docs/developer-manual/3.3/csv/artists.csv' AS line CREATE (:Artist { name: line[1], year: toInteger(line[2])})

本地载入中有个Bug，就是怎么写地址，难道要这么写？file:///C:\Users\mattzheng\Desktop\categories.csv,显然是不对的。
那么本地的话，需要把内容放到固定的文件夹之中，一个叫import文件夹之中。
有可能在：在XXX\Neo4j\graph.db\import文件夹内
也有可能在其他东西，笔者当时的文件夹路径藏得很深是：C:\Users\matt\.Neo4jDesktop\neo4jDatabases\database-b82284eb-23ab-4a42-8a83-f13af055ecf0\installation-3.3.4\import
笔者也是误打误撞找到了这个链接，是通过报错提醒得到的：

USING PERIODIC COMMIT LOAD CSV WITH HEADERS FROM "file:///C:\\Desktop\\categories.csv" AS row CREATE (:Customer {companyName: row.CompanyName, customerID: row.CustomerID, fax: row.Fax, phone: row.Phone});

然后他会报错：

Couldn't load the external resource at: file:/C:\Users\matt\.Neo4jDesktop\neo4jDatabases\database-b82284eb-23ab-4a42-8a83-f13af055ecf0\installation-3.3.4\import\categories.csv

.
.

二、建立关联

2.1 order与 products/employees关联

order与 products and employees的关联：

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (product:Product {productID: row.ProductID})
MERGE (order)-[pu:PRODUCT]->(product)
ON CREATE SET pu.unitPrice = toFloat(row.UnitPrice), pu.quantity = toFloat(row.Quantity);
//同时,创立新的关联属性，on create的作用

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (employee:Employee {employeeID: row.EmployeeID})
MERGE (employee)-[:SOLD]->(order);

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (customer:Customer {customerID: row.CustomerID})
MERGE (customer)-[:PURCHASED]->(order);

toFloat(row.UnitPrice)当数据中为数值型，则需要规定关系类型。
文本型可以不用规定具体的类似是啥。
MATCH (order:Order {orderID: row.OrderID})的意思为将图名称Order赋值为order，同时选中orderID=row.OrderID这些内容;
[pu:PRODUCT]中，pu代表关系的统称；PRODUCT代表关系的名称

2.2 products,suppliers,categories关联

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///products.csv" AS row
MATCH (product:Product {productID: row.ProductID})
MATCH (supplier:Supplier {supplierID: row.SupplierID})
MERGE (supplier)-[:SUPPLIES]->(product);

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///products.csv" AS row
MATCH (product:Product {productID: row.ProductID})
MATCH (category:Category {categoryID: row.CategoryID})
MERGE (product)-[:PART_OF]->(category);

2.3 employees之间的关联

在employees构建 ‘REPORTS_TO’关系来表达上下级关系。

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///employees.csv" AS row
MATCH (employee:Employee {employeeID: row.EmployeeID})
MATCH (manager:Employee {employeeID: row.ReportsTo})
MERGE (employee)-[:REPORTS_TO]->(manager);

那么最终就会生成如下的内容：
neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

三、初级查询

来源于：From SQL to Cypher – A hands-on Guide
官方原文中还有跟sql的对比，比较了解sql的可以看原文。

查询一：单独查询两个关联表

MATCH (:Order)<-[:SOLD]-(e:Employee)
return *

查询二： product的价格，并排序：

match (p:Product)
return p.productName,p.unitPrice order by p.unitPrice DESC
limit 10;

逻辑:先从图数据库中定位p；order by 表示排序；limit 表显示限制。

查询三：product 中’Chocolade’产品价格并排序：where、排序order使用

# 写法一：
match (p:Product)
where p.productName = 'Chocolade'
return p.productName,p.unitPrice order by p.unitPrice DESC limit 10;

# 写法二：
match (p:Product {productName : 'Chocolade'})
return p.productName,p.unitPrice order by p.unitPrice DESC limit 10;

写法一通过where来进行定位，写法二通过在match变量时，定义产品来进行产品定位。

查询四：product 中’Chocolade’以及’Chai’产品价格并排序：where、排序order使用

match (p:Product)
where p.productName IN ['Chocolade','Chai']
return p.productName,p.unitPrice order by p.unitPrice DESC limit 10;

查询五：条件筛选：where使用

MATCH (p:Product)
WHERE p.productName STARTS WITH "C" AND p.unitPrice > 100
RETURN p.productName, p.unitPrice;

意义为：选择p.productName中，首字母为’C’,同时unitPrice的价格大于100的范围内。

Indexing的使用

如果要加速某一列属性的查询，可以设置Index

CREATE INDEX ON :Product(productName);
CREATE INDEX ON :Product(unitPrice);

查询六：买了’Chocolade’的人有谁？：join用法

这边涉及四个表格：

Product产品表，productID；
Customer顾客表 CustomerID;
orders索引表，orderID + CustomerID
orders_Details索引表,orderID + productID

//正确:
MATCH (p:Product {productName:”Chocolade”})<-[:PRODUCT]-(:Order)<-[:PURCHASED]-(c:Customer)
RETURN distinct c.companyName;
//错误
//match后面，跟的是主表，主表不带关系[]，此时主表为Product
MATCH (c:Customer)-[:PURCHASED]
RETURN distinct c.companyName
//思考用法：用optional match之后为什么错误？
match (c:Customer)
where (p:Product {productName:”Chocolade”})<-[:Product]-(:Order)<-[:PURCHASED]-(c)
return distinct c.companyName

这里笔者的思考是，为什么Product是主表，需要遵循逻辑关系，逻辑关系是Customer表->order表->Product表，而不是Product表反向。
思考用法：此时命令返回的是全部的c.companyName，而不是买了巧克力的，optional match也是一个根据关系生成变量步骤，不是添加约束的步骤；此时也不能用where，where后面跟的对变量的约束，而不能嫁接关系

查询七：我买了啥+买了几件？：统计功能

‘Drachenblut Delikatessen’买了啥，买了几件东西。
客户和订单之间的匹配成为可选匹配，这与外连接相当。

//写法1+普通match写法
MATCH  (p:Product)<-[pu:PRODUCT]-(:Order)<-[:PURCHASED]-(c:Customer {companyName:"Drachenblut Delikatessen"})
RETURN p.productName, toInt(sum(pu.unitPrice * pu.quantity)) AS volume
ORDER BY volume DESC;

//写法2+OPTIONAL MATCH
MATCH (c:Customer {companyName:"Drachenblut Delikatessen"})
OPTIONAL MATCH (p:Product)<-[pu:PRODUCT]-(:Order)<-[:PURCHASED]-(c)
RETURN p.productName, toInt(sum(pu.unitPrice * pu.quantity)) AS volume
ORDER BY volume DESC ;

OPTIONAL MATCH在我看来更多的还是赋值操作，而且可以在match写不下的时候，补充。
写法二，match先定义变量，然后在OPTIONAL MATCH后面补充连接关系。
其中：toInt()整数、sum（）求和；AS volume生成新一列列名为’volumne’

查询八：雇员ID计数

MATCH (:Order)<-[:SOLD]-(e:Employee)
RETURN e.employeeID,count(*) AS cnt ORDER BY cnt DESC LIMIT 10

按照e.employeeID，进行分类count(*)计数。

e.employeeID	cnt
“4”	156
“3”	127
“1”	123

查询九：内容返回list/array格式

MATCH (o:Order)<-[:SOLD]-(e:Employee)
RETURN collect(e.lastName)

collect 将内容聚合成 (list,array)

四、高级查询

查询复杂度较大。来源于：Tutorial: Import Data Into Neo4j

查询一：Which Employee had the Highest Cross-Selling Count of ‘Chocolade’ and Which Product?

查询语句为：

MATCH (choc:Product {productName:'Chocolade'})<-[:PRODUCT]-(:Order)<-[:SOLD]-(employee),
      (employee)-[:SOLD]->(o2)-[:PRODUCT]->(other:Product)
RETURN employee.employeeID, other.productName, count(distinct o2) as count
ORDER BY count DESC
LIMIT 5;

[:PRODUCT]-(:Order)代表的是：[]代表着关系名称；()代表着图名称；
第一条逻辑：(employee)-(:Order)-(choc:Product)，定位到employee生产了叫Chocolade的product
第二条逻辑：(employee)-()-(other:Product)，定位到的雇员生产了哪些其他Product（所有的）

neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

查询二：How are Employees Organized? Who Reports to Whom?

MATCH path = (e:Employee)<-[:REPORTS_TO]-(sub)
RETURN e.employeeID AS manager, sub.employeeID AS employee;

一个简单的模式，寻找Employee关系中REPORTS_TO的Employee。此时e代表雇主，sub代表雇员。
请注意，5号员工有人向他报告，但他也向2号员工报告。
这里有一个逻辑是：雇员、雇主都在Employee库中，所以要以REPORTS_TO关系为切入点。

neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

查询三：Which Employees Report to Each Other Indirectly?

比查询二更深入一些，间接的。

MATCH path = (e:Employee)<-[:REPORTS_TO*]-(sub)
WITH e, sub, [person in NODES(path) | person.employeeID][1..-1] AS path
RETURN e.employeeID AS manager, sub.employeeID AS employee, CASE WHEN LENGTH(path) = 0 THEN "Direct Report" ELSE path END AS via
ORDER BY LENGTH(path);

第一步跟查询二的逻辑一样，在同一个Employee库汇总，查找关系为：REPORTS_TO的employee.
第二步，with用法，with从句可以连接多个查询的结果，即将上一个查询的结果用作下一个查询的开始，
（哈哈哈… 后面有点不明白，查完资料再补充…）

neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

查询四：How Many Orders were Made by Each Part of the Hierarchy?

MATCH (e:Employee)
OPTIONAL MATCH (e)<-[:REPORTS_TO*0..]-(sub)-[:SOLD]->(order)
RETURN e.employeeID, [x IN COLLECT(DISTINCT sub.employeeID) WHERE x <> e.employeeID] AS reports, COUNT(distinct order) AS totalOrders
ORDER BY totalOrders DESC;

neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

秒客网

neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

NorthWind Introduction

一、载入基本实体信息

延伸一：csv载入的两种方式（参考：3.3.20. LOAD CSV）

二、建立关联

2.1 order与 products/employees关联

2.2 products,suppliers,categories关联

2.3 employees之间的关联

三、初级查询

查询一：单独查询两个关联表

查询二： product的价格，并排序：

查询三：product 中’Chocolade’产品价格并排序：where、排序order使用

查询四：product 中’Chocolade’以及’Chai’产品价格并排序：where、排序order使用

查询五：条件筛选：where使用

Indexing的使用

查询六：买了’Chocolade’的人有谁？：join用法

查询七：我买了啥+买了几件？：统计功能

查询八：雇员ID计数

查询九：内容返回list/array格式

四、高级查询

查询一：Which Employee had the Highest Cross-Selling Count of ‘Chocolade’ and Which Product?

查询二：How are Employees Organized? Who Reports to Whom?

查询三：Which Employees Report to Each Other Indirectly?

查询四：How Many Orders were Made by Each Part of the Hierarchy?

相关文章

neo4j︱Cypher完整案例csv导入、关系联通、高级查询（三）

NorthWind Introduction

一、载入基本实体信息

延伸一：csv载入的两种方式（参考：3.3.20. LOAD CSV）

二、建立关联

2.1 order与 products/employees关联

2.2 products,suppliers,categories关联

2.3 employees之间的关联

三、初级查询

查询一：单独查询两个关联表

查询二： product的价格，并排序：

查询三：product 中’Chocolade’产品价格并排序：where、排序order使用

查询四：product 中’Chocolade’以及’Chai’产品价格并排序：where、排序order使用

查询五：条件筛选：where使用

Indexing的使用

查询六：买了’Chocolade’的人有谁？ ：join用法

查询七：我买了啥+买了几件？：统计功能

查询八：雇员ID计数

查询九：内容返回list/array格式

四、高级查询

查询一：Which Employee had the Highest Cross-Selling Count of ‘Chocolade’ and Which Product?

查询二：How are Employees Organized? Who Reports to Whom?

查询三：Which Employees Report to Each Other Indirectly?

查询四：How Many Orders were Made by Each Part of the Hierarchy?

相关文章

查询六：买了’Chocolade’的人有谁？：join用法