从 Neo4j 数据库中提取数据并绘制图谱

代码说明：

1. 连接 Neo4j 数据库：

   • 使用 py2neo.Graph 连接到 Neo4j 数据库。
   • 确保替换 uri、username 和 password 为你的实际配置。

2. Cypher 查询：

   • 查询数据库中的节点和关系，限制返回的记录数（例如 LIMIT 100）以避免性能问题。

3. NetworkX 图对象：

   • 使用 networkx.MultiDiGraph 创建一个有向图对象。
   • 将查询结果中的节点和关系添加到图中。

4. 绘制图形：

   • 使用 matplotlib 和 networkx 的绘图功能，将图谱可视化。
   • 节点和边的标签可以根据需要调整。

from py2neo import Graph
import networkx as nx
import matplotlib.pyplot as plt

# 1. 连接到 Neo4j 数据库
uri = "bolt://localhost:7687"  # 替换为你的 Neo4j URI
username = "neo4j"             # 替换为你的用户名
password = "password"          # 替换为你的密码

graph = Graph(uri, auth=(username, password))

# 2. 使用 Cypher 查询获取节点和关系
query = """
MATCH (n)-[r]->(m)
RETURN n, r, m
LIMIT 100
"""
results = graph.run(query)

# 3. 创建 NetworkX 图对象
G = nx.MultiDiGraph()

# 4. 将查询结果添加到 NetworkX 图中
for record in results:
    source = record["n"]
    target = record["m"]
    relation = record["r"]

    # 添加节点（如果节点已经有标签或属性，可以提取出来）
    G.add_node(source.identity, label=source['name'] if 'name' in source else "")
    G.add_node(target.identity, label=target['name'] if 'name' in target else "")

    # 添加边（关系）
    G.add_edge(source.identity, target.identity, label=relation.type)

# 5. 绘制图形
plt.figure(figsize=(12, 8))

# 设置布局
pos = nx.spring_layout(G, seed=42)

# 绘制节点
nx.draw_networkx_nodes(G, pos, node_size=300, node_color="lightblue")

# 绘制边
nx.draw_networkx_edges(G, pos, arrows=True)

# 绘制节点标签
node_labels = {node_id: G.nodes[node_id].get("label", "") for node_id in G.nodes()}
nx.draw_networkx_labels(G, pos, labels=node_labels, font_size=10)

# 绘制边标签
edge_labels = {(u, v): G[u][v][0]['label'] for u, v in G.edges()}
nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels, font_size=8)

# 显示图形
plt.title("Neo4j 图谱可视化")
plt.axis("off")  # 关闭坐标轴
plt.show()

输出示例：

运行上述代码后，你将看到一个可视化的图谱，其中：

• 节点表示 Neo4j 中的实体。
• 边表示实体之间的关系。
• 节点和边的标签显示了它们的名称或类型。