通过例子详细介绍windows下如何往neo4j中导入数据(Load_csv、import)

本文链接：https://blog.csdn.net/weixin_43986252/article/details/92829827

本文详细介绍了在Windows操作系统下，如何使用Load_csv和import工具将数据导入到Neo4j数据库。对于小数据量，Load_csv适合实时插入和更新，但速度较慢；而import工具适用于大量数据的快速导入，但需要停服清库。内容涵盖数据设计、节点和关系的导入方法，以及具体操作步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

针对人群
初步接触neo4j的小白
操作系统
Windows
数据导入方法
1） load_csv 语句，适合初始化导入或增量更新；
优点：可以实时插入，可加载本地、远程csv ；缺点：速度慢，不能动态传label，relationship
2） neo4j-import，适合海量数据的初始化；
优点：速度快；缺点：需要停止neo4j服务器，清库。
本文思维导图

一、数据

1.1 原始数据

import pandas as pd 
path="D:\\ProgramData\\Neo4j\\neo4j-community-3.4.8\\import\\"# neo4j 数据导入的根目录
data=pd.read_csv(path+"data.csv")

在这里插入图片描述

1.2 根据数据内容进行节点设计

节点：以人为节点，节点/人；
节点属性：name， card， phone， IP ，…
节点标签：节点标签可以设置一个或多个，这里每个节点有两个标签 label1 和label2 （例如label为借款人或联系人，label2
为黑名单标签，good或bad）
关系：为了简单些，直接按照属性是否相等建立关系属性
，如name_equal，card_equal，phone_equal，IP_equal，可以根据数据和业务需求建立
关系属性：可以为关系添加属性，比如IP_equal关系下添加共同的IP

二、 load_csv方法

2.1 节点导入

2.1.1 节点数据

因为load_csb不能动态传入节点和关系的标签，故需要按照节点标签、关系标签来分成不同csv.

# 按照节点标签建立对应csv，并保存
data_label=[]
list_label=[("borrower","good"),("borrower","bad"),("contacter","good"),("contacter","bad")]
for label1,label2 in list_label:
    data_label.append(data[data["label1"]==label1][data[data["label1"]==label1]["label2"]==label2])

# 保存data_label
i=1
for data_label in data_label:
    data_label.to_csv(path+"data"+str(i)+"_label.csv",index=False)
    i+=1

在这里插入图片描述