如何使用Neo4j Python Driver将查询结果以图谱形式展示？

方案1：直接使用Neo4j官方浏览器（最便捷） #

Neo4j浏览器是官方原生的图谱可视化工具，适配性和交互性最优，操作步骤简单：

• 打开浏览器访问 http://localhost:7474，用Python代码里的账号密码（neo4j/neo4j）登录
• 把Python中的Cypher查询语句复制到浏览器查询框执行，直接就能看到交互式图谱展示
• 支持缩放、拖拽节点、查看节点/关系属性，还能调整图谱布局

方案2：用Python可视化库集成展示（适合工作流自动化） #

如果需要在Python脚本中直接生成图谱展示，推荐用PyVis（轻量、支持交互式HTML输出），步骤如下：

1. 安装依赖：

pip install pyvis

2. 编写脚本提取Neo4j数据并生成图谱：

from pyvis.network import Network
from neo4j import GraphDatabase

URI = "neo4j://localhost:7687"
AUTH = ("neo4j", "neo4j")

# 执行Cypher查询
query = 'MATCH (n)-[r]->(c) WHERE r.filePath = "../data/mydata.json" RETURN n, r, c'
driver = GraphDatabase.driver(URI, auth=AUTH)
result = driver.execute_query(query)

# 提取节点和关系数据
nodes = set()
edges = []
for record in result.records:
    n_node = record["n"]
    c_node = record["c"]
    rel = record["r"]
    # 记录节点ID和属性
    nodes.add((n_node.id, dict(n_node)))
    nodes.add((c_node.id, dict(c_node)))
    # 记录边的源节点、目标节点及关系属性
    edges.append((n_node.id, c_node.id, {"label": rel.type, **dict(rel)}))

# 构建交互式图谱
net = Network(notebook=False, directed=True)
# 添加节点（用节点属性作为显示标签，无属性则用ID）
for node_id, props in nodes:
    display_label = props.get("name", str(node_id))
    net.add_node(node_id, label=display_label, title=str(props))
# 添加边（显示关系类型）
for src_id, dst_id, rel_props in edges:
    edge_label = rel_props.get("label", "")
    net.add_edge(src_id, dst_id, label=edge_label, title=str(rel_props))

# 生成HTML文件，打开即可查看图谱
net.show("neo4j_visualization.html")
driver.close()

运行脚本后会生成一个HTML文件，打开后可以拖拽、缩放节点，点击节点/边查看详细属性。

方案3：Neo4j Bloom（企业级场景） #

如果你的Neo4j是企业版，Bloom是专门的图谱探索工具，支持更复杂的可视化配置、自然语言查询和图谱筛选，适合大规模知识图谱的交互探索，同样可以直接执行你的Cypher查询展示结果。

最优选择建议 #

• 快速查看结果：优先用Neo4j官方浏览器，无需额外开发，可视化效果专业
• 集成到Python工作流：选PyVis，轻量灵活，生成的HTML方便分享和嵌入
• 企业级复杂探索：用Neo4j Bloom

内容的提问来源于stack exchange，提问作者biowhat