py2neo 中的密码查询以使用 n 个 ID 和参数列表更新 n 个节点

Question

假设我想使用存储在 pd.Dataframe 中的数据更新大量现有节点。因为我知道如何编写将处理单个节点更新的参数化查询，所以我的基本解决方案是将此查询设置为循环，并为数据框中的每一行运行它。

for _,row in df.iterrows():
    query='''MATCH (p:Person)
             WHERE p.name={name} AND p.surname = {surname}
             SET p.description={description} '''


    tx.run(query,name=row['name'],surname=row['surname'],
           description=row['description'])

但是，必须有一种更直接（和更快）的方式将此信息传递给查询，以便在服务器端进行迭代 "managed"。真的吗？我还没有找到相关的任何文档。

Answer 1

您可以通过运行密码 LOAD 查询并提供包含您的数据的 csv 文件来做到这一点：

LOAD CSV WITH HEADERS FROM 'file:///file.csv' as csvLine fieldterminator ';' 
MATCH (p:Person {name:csvLine.name, p.surname:csvLine.surname})
SET p.description=csvLine.description

但我认为没有将数据数组传递到匹配循环的解决方案。

Answer 2

不是像这样循环，每个条目执行一个 Cypher 查询，您应该将所有这些收集到地图对象的列表参数中并进行单个 Cypher 查询（如果您有 > 100k 左右，您可以批处理它要处理的条目）。 Michael Hunger 有 good blog entry on this approach.

您可以在列表参数上使用 UNWIND 将其转换为行，并一次处理所有内容。假设您将列表作为 data:

UNWIND $data as row
MATCH (p:Person)
WHERE p.name = row.name AND p.surname = row.surname
SET p.description = row.description

Answer 3

基本问题已在 InverseFalcon 的答案中解决，但为了提供包括 py2neo 和 pandas bits 的完整答案，我 post 下面的代码：

query='''UNWIND {batch} AS row
         MATCH (p:Person)
         WHERE p.name=row.name AND p.surname = row.surname
         SET p.description=row.description '''

graph.run(query,batch=df.to_dict(orient='records'))

所以，最后这更像是一个 neo4j 而不是 py2neo 问题，neo4j 文档中的相关信息是 here

py2neo 中的密码查询以使用 n 个 ID 和参数列表更新 n 个节点

cypher query in py2neo to update n Nodes with a list of n ids and parameters

neo4j

cypher

py2neo