neo4j导入CSV文件

最新推荐文章于 2024-09-20 18:07:19 发布
最新推荐文章于 2024-09-20 18:07:19 发布
阅读量1.4k 收藏 15
点赞数 17
文章标签： neo4j 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012625575/article/details/140799262
版权

一、CSV数据文件的准备

什么是csv文件

‌CSV文件是一种纯文本文件，用于存储表格和电子表格信息。它以行为单位组织数据，每行数据由一系列字段组成，字段之间通常使用逗号进行分隔（也可以使用其他字符，如制表符或分号）。CSV文件因其简单易懂、易于编辑和处理的特点，被广泛应用于数据交换和存储，特别是在不同系统或应用程序之间导入导出数据时。（来源于百度搜索）

excel文件怎么转变为csv文件

excel文件----->另存为-----> 文件格式选择csv文件即可。

text文件怎么导入到excel

今天在操作的时候意外发现了一个txt文件导入excel并按照txt文件中的分割符将文本内容分隔都不同的列的方法。

选择导入数据，然后会出现如下弹窗：

接下来找到自己需要导入excel的txt文件，并按分隔符进行分割即可。

二、导入CSV文件

将CSV文件放置在neo4j数据库的数据目录下

经测试只能放在import目录下，放在别的目录下会出错，提示找不到资源。

导入用户节点的CSV文件

LOAD CSV WITH HEADERS FROM "file:///users.csv" AS row

CREATE (:User {userID: row.userID, name: row.name})

导入产品节点

LOAD CSV WITH HEADERS FROM "file:///products.csv" AS row CREATE (:Product {productID: row.productID, name: row.name, category: row.category, price: toFloat(row.price)})

导入用户和产品之间的购买关系

LOAD CSV WITH HEADERS FROM "file:///user_product.csv" AS row

MATCH (u:User {userID:row.userID})

MATCH (p:Product {productID:row.productID})

CREATE (u)-[:PURCHASED]->(p);

执行上述代码后，提示no changes no records，暂时还没找到具体的原因，该怎么办？

最终使用比较笨的办法，建立用户节点和产品节点之间的关系，具体如下：

MATCH(u:User{userID:"user1"}),(p:Product{productID:"product1"}) CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"product2"}) CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user2"}),(p:Product{productID:"product1"})CREATE(u)-[:PURCHASED]->(p)

MATCH(u:User{userID:"user2"}),(p:Product{productID:"product2"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user2"}),(p:Product{productID:"product4"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product2"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product4"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product4"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product5"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user5"}),(p:Product{productID:"product1"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user5"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)

MATCH(u:User{userID:"user6"}),(p:Product{productID:"product2"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user6"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user6"}),(p:Product{productID:"product4"})CREATE(u)-[:PURCHASED]->(p)

MATCH(u:User{userID:"user7"}),(p:Product{productID:"product1"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user7"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product2"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product5"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product1"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product4"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"0product2"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"0product5"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"product11"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"product12"})CREATE(u)-[:PURCHASED]->(p)

MATCH(u:User{userID:"user1"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user2"}),(p:Product{productID:"product11"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user2"}),(p:Product{productID:"product12"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user2"}),(p:Product{productID:"product14"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product12"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product14"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product14"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product15"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user5"}),(p:Product{productID:"product11"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user5"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user6"}),(p:Product{productID:"product20"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user6"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user6"}),(p:Product{productID:"product14"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user7"}),(p:Product{productID:"product11"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user7"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product20"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product15"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product10"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product14"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"0product12"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"0product15"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"product9"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"product7"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user1"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user2"}),(p:Product{productID:"product19"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user2"}),(p:Product{productID:"product17"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user2"}),(p:Product{productID:"product18"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product16"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product15"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user3"}),(p:Product{productID:"product13"})CREATE(u)-[:PURCHASED]->(p))
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product17"})CREATE(u)-[:PURCHASED]->(p))
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product20"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user4"}),(p:Product{productID:"product10"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user5"}),(p:Product{productID:"product7"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user5"}),(p:Product{productID:"product9"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user6"}),(p:Product{productID:"product8"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user6"}),(p:Product{productID:"product10"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user6"}),(p:Product{productID:"product16"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user7"}),(p:Product{productID:"product17"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user7"}),(p:Product{productID:"product18"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product20"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product3"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user8"}),(p:Product{productID:"product5"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product10"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product9"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user9"}),(p:Product{productID:"product7"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user10"}),(p:Product{productID:"product8"})CREATE(u)-[:PURCHASED]->(p)
MATCH(u:User{userID:"user10"}),(p:Product{productID:"product6"})CREATE(u)-[:PURCHASED]->(p)

在执行的过程中发现，一次只能执行一条语句，执行多条的话，会提示错误。

看来对neo4j的了解还是太少了，还需要更多的努力呀。
                        
原文链接：https://blog.csdn.net/QH2107/article/details/129658674

创建用户和产品之间的购买关系，这个使用MATCH和CREATE命令来实现

【Neo4j与知识图谱】Neo4j的常用语法与一个简单知识图谱构建示例_neo4j创建节点和关系-CSDN博客

Alice006
关注
Neo4j：入门基础（二）之导入CSV文件
Puzzle的博客
09-16 3万+
导入CSV文件的方式 　主要的两种方式如下： 　　1、使用 Cypher 命令LOAD CSV，这种方式可以处理中小型数据（可达10 million条记录） 　　2、使用批量导入工具neo4j-admin ，用来直接导入大数据集 三、上述方式具体导入过程 　　1、Cypher 命令LOAD CSV 参数 1、USING PERIODIC COMMIT 300 使用批量提交，每满300条提交一次，防止内存溢出 2、WITH HEADERS 从文件中读取第一行作为参数名，...
知识图谱(七)：图数据库neo4j导入CSV文件使用import
IT届的小学生
10-08 1万+
准备数据 首先我们准备好数据(CSV) 数据连接：https://pan.baidu.com/s/1hwMy91DjohZ9yJXcA6GKMQ 放入import目录路径 一、Neo4j默认导入目录路径 neo4j安装根路径下找到import之后在此文件夹下放入数据 导入数据 二、Neo4j导入CSV文件 找到neo4j的安装路径，并在D:\neo4j\import放入csv文件，如果目录下没...
Neo4j大量CSV数据导入测试数据
05-05
Neo4j大量CSV数据导入测试数据，包含运行测试批处理脚本
从数据生成到图数据库：Linux下Neo4j的CSV导入
jieshenai的博客
08-24 879
介绍如何在Linux系统中设置和使用Neo4j数据库。 * 首先，找到Neo4j的import文件夹，通常位于Neo4j安装目录下的data文件夹内，并展示通过`neo4j.conf`配置文件查找和修改import目录路径。 * 接着，通过大模型生成两张CSV表格数据，一张是老师数据，另一张是学生数据，并保存到import文件夹中。 * 最后，展示了如何使用Cypher语句将这两张表格导入Neo4j，创建相应的节点和关系。
neo4j csv数据导入
JohnBanana的专栏
12-21 748
输入导入的链接都来自于neo4j 内部的数据源 一、导入实体数据节点 # 导入商品 相关 csv 相关数据 LOAD CSV WITH HEADERS FROM "http://data.neo4j.com/northwind/products.csv" AS row CREATE (n:Product) SET n = row, n.unitPrice = toFloat(row.unitPrice), n.unitsInStock = toInteger(row.unitsInSto..
Neo4j导入CSV数据
weixin_44455388的博客
02-27 3692
常见导入形式对比。 Load方式导入CSV文件数据: 首先将本地数据文件放在XXX\Neo4j\import文件夹内，远程数据文件可以使用文件URL。 这里本人在import文件夹里放了三个文件，然后指定绝对路径即可访问该文件 其中person.csv为人物表，movies.csv为电影表，rating.csv为每个人给电影的打分表。 由此可见，person和movies均为点，而rating...
Neo4j导入csv文件
qq_42582489的博客
07-07 1万+
Neo4j导入csv文件的用法
neo4j 加载 CSV
hellochenlian的专栏
07-29 1512
如果接下来的 200 行包含导致错误的数据，则第二个事务会失败，但第一个事务不会受到影响。— 不常见的字符或特定于工具的格式有时会隐藏在应用程序工具中，但在纯文本编辑器中却会显现出来。— 非引号文本中间的独立双引号或单引号，或引号文本中未转义的引号，都可能导致读取文件时出现问题。在 Neo4j 中，一个节点可以有多个标签，而在关系设置中，混合实体并不那么简单。关系数据库中的数据可能包含一个或多个 CSV 文件，具体取决于源数据库结构。从图的角度来看，这些是具有不同标签的节点，因此需要不同的查询来加载它们。
neo4j学习笔记：导入csv文件
12-29 3701
csv文件的处理
neo4j-admin import导入工具csv导入及参数说明
07-25
neo4j-admin import导入工具csv导入及参数说明
neo4j导入csv文件
qq_45955439的博客
05-11 523
1、删除所有节点及其所有关系。
neo4j导入csv文件的解决
樱木花道不是差生
10-17 4561
neo4j导入csv文件的解决方法 这两天再看neo4j，导入csv文件时一堆问题出现… 后面无意间的一次尝试竟然成功了。。。。没想到，赶紧记下之后用 生成csv文件 例如：movies.csv文件 actors.csv文件 roles.csv文件 将上述三个文件放在bin文件夹的自己建立的文件夹import_1里面 例如： 关掉neo4j服务 命令行输入：neo4j stop 导入csv文件 （成功导入时的命令行语句） 进入neo4j 的bin文件夹里，shift+鼠标右键，打开命令行窗口输入以
向Neo4j导入CSV文件
sushaning的博客
01-07 1万+
1、安装Neo4j 安装Neo4j服务社区版，可以在微云数聚上下载。 需要先安装JDK,下载的是压缩包，解压之后将bin文件的路径添加到环境变量的path里面D:\neo4j-community-3.5.0\bin。 然后用管理员身份运行cmd，输入neo4j install-service. 得到Neo4j service installed 然后输入neo4j start就可以开启服...
neo4j 导入csv实体、关系详细步骤——Load csv方法
热门推荐
weixin_43439235的博客
09-22 2万+
环境准备： windows系统，neo4j社区版3.5.8 neo4j-community-3.5.8-windows 1 启动neo4j，具体如下： WIN+R输入cmd，打开命令提示符，将目录切换到neo4j的安装目录-bin目录下，输入 neo4j.bat console 2 在浏览器输入http://localhost:7474/browser/，打开neo4j浏览器 3 将需要导入的...
【Neo4j】导入csv文件
weixin_42854340的博客
07-02 4506
neo4j导入csv文件
Neo4j的使用+导入导出csv文件
qq_45092476的博客
11-29 1万+
Neo4j的使用，新手必看系列
Neo4j数据库导入csv文件
Coco_wjy的博客
02-12 905
实体导入： 实体的csv文件 Person.csv PID PName PLabel 1 吴京 人物 2 孙俪 人物 3 王宝强 人物 Movie.csv MID MName MLabel M_1 战狼 电影 M_2 甄嬛传 电影 M_3 唐人街探案 电影 关...
neo4j导入csv数据
yavlgloss的博客
09-20 753
官网demo，csv格式文件数据导入
neo4j导入csv建立关系
最新发布
09-22
Neo4j是一款强大的图形数据库，常用于处理复杂的关联数据。如果你想通过CSV文件导入数据并建立关系，可以按照以下步骤操作： 1. **准备CSV文件**： 确保你的CSV文件包含节点属性（如ID、标签等）以及关系属性（如果有的话）。每行代表一条记录，字段之间用逗号分隔。 2. **创建Cypher脚本**： Cypher是Neo4j的查询语言，你可以编写脚本来描述如何从CSV文件中读取数据并建立关系。例如，如果你有一个CSV文件`people.csv`，其中包含`id`, `name`, 和 `friend_id`三列，表示人与人之间的朋友关系，你可以创建这样的Cypher命令： ```cypher LOAD CSV WITH HEADERS FROM 'file:///people.csv' AS row CREATE (:Person { id: toInteger(row.id), name: row.name }) MATCH (p1:Person { id: toInteger(row.id) }), (p2:Person { id: toInteger(row.friend_id) }) CREATE (p1)-[:FRIEND]->(p2) ``` 这里假设`Friend`是一个关系类型。 3. **运行脚本**： 使用Neo4j的命令行工具（如`neo4j-admin`），将上述脚本作为一个文本文件上传到数据库，然后运行它。如果是在图形界面管理工具（如Neo4j Browser），则可以在脚本编辑器中直接输入并执行。 4. **检查结果**： 导入后，你应该能在 Neo4j 数据库中看到节点和关系是否已经成功创建，并且确认它们之间的连接是正确的。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值