最佳实践|GraphRAG可视化方案
/Users/jiaenqiu/Downloads/big_model/graphrag
通过 GraphRAG 构建索引数据后,把图数据存储在Parquet文件,在 GraphRAG 执行query时,是使用Python的Pandas库从Parquet文件中读取数据,并将结果存储在一个Pandas DataFrame对象中,然后进行一些数据处理查询。
疑问:GraphRAG构建的图谱是什么样子的?质量如何?检索效果不好时,该从哪个角度分析数据进而完善图数据?那么可视化是最直观、最简便的方案了,今天我们一起看一下GraphRAG可视化方案的最佳实践。
了解DataFrame数据结构
DataFrame是Pandas中最常用的数据结构之一,它可以存储不同类型的数据(整数、浮点数、字符串等),并且每列可以有不同的数据类型。DataFrame具有许多内置方法,使得数据处理和分析变得简单直观。
Pandas DataFrame 主要特点:
- 索引:DataFrame具有行索引和列索引,可以轻松地按标签进行选择和操作;
- 列名:每列都有一个名字,可以通过列名访问数据;
- 数据类型:每列可以有不同的数据类型;
- 灵活的数据操作:提供了丰富的数据操作方法,如选择、切片、过滤、聚合等。
一、快速搭建一个Neo4j图数据库
version: "3.0"
services:
neo4j:
image: "neo4j:4.4.4-community"
restart: always
ports:
- "7474:7474"
- "7687:7687"
volumes:
- ./data/neo4j:/data
- ./logs:/var/lib/neo4j/logs
- ./import:/var/lib/neo4j/import
environment:
- NEO4J_AUTH=neo4j/123456
二、文件格式转换:批量parquet转csv
# pip install pandas pyarrow
import os
import pandas as pd
def process_parquet_files(path):
for root, dirs, files in os.walk(path):
for file in files:
if file.endswith('.parquet'):
file_path = os.path.join(root, file)
df = pd.read_parquet(file_path)
print(f"Processing file: {file_path}")
out_path = os.path.join(root, '../csv', str(file).replace('parquet', 'csv'))
df.to_csv(out_path, index=False)
path = './graphrag/ragtest/output/20240910-120001/artifacts'
process_parquet_files(path)
三、Neo4j cypher语句批量导入csv
3.1 CSV文件准备
- 确保CSV文件的格式正确,每一列对应一个属性
- 准备节点关系的CSV文件
- CSV文件应该有一个头行,用来指定每个字段对应的属性名
- 将文件放到 Neo4j 子目录 import 下即可
3.2 访问 Neo4j 可视化UI
- http://localhost:7474/browser/
- 用户名/密码:neo4j/123456
3.3 使用Cypher命令行方式批量导入CSV
3.3.1 Node节点导入
LOAD CSV WITH HEADERS FROM 'file:///create_final_entities.csv' AS row
CREATE (n:PERSON)
SET
n.id = row.id,
n.name = row.name,
n.type = row.type,
n.description = row.description,
n.humanReadableId = row.human_readable_id;
3.3.2 Relationship关系导入
LOAD CSV WITH HEADERS FROM 'file:///create_final_relationships.csv' AS row
MATCH (s:PERSON { name: toString(row.source) })
MATCH (t:PERSON { name: toString(row.target) })
CREATE (t)-[r:REL]->(s)
SET
r.weight = row.weight,
r.description = row.description,
r.textUnitIds = split(row.text_unit_ids, ','),
r.id = row.id,
r.humanReadableId = row.human_readable_id,
r.sourceDegree = toInteger(row.source_degree),
r.targetDegree = toInteger(row.target_degree),
r.rank = toInteger(row.rank);
注意事项:
- 如果使用Cypher导入,请确保Neo4j服务正在运行,并且你有足够的权限执行这些操作。
- 考虑到性能问题,对于非常大的数据集,推荐使用neo4j-admin import工具。
- 确保Neo4j服务未运行或者处于离线模式,因为neo4j-admin import会在执行过程中锁定数据库。
关于我
欢迎关注,一起进步一起成长~