如何将Neo4j图数据库数据导入Jupyter Notebook用于深度学习？

1. 使用Neo4j官方Python驱动直接查询导出 #

这是最灵活的方式，适合自定义数据提取逻辑，直接在Jupyter中连接Neo4j并获取节点、关系数据，再转换成深度学习框架兼容的格式。

步骤示例： #

• 安装依赖：

  pip install neo4j pandas torch torch_geometric
  

• 连接Neo4j并提取数据：

  from neo4j import GraphDatabase
  import pandas as pd
  
  # 配置连接信息
  uri = "bolt://localhost:7687"
  user = "neo4j"
  password = "你的密码"
  
  # 初始化驱动
  driver = GraphDatabase.driver(uri, auth=(user, password))
  
  # 定义查询函数
  def fetch_graph_data():
      with driver.session() as session:
          # 获取所有节点（含ID、标签、属性）
          nodes = session.run("MATCH (n) RETURN id(n) AS node_id, labels(n) AS labels, properties(n) AS props").data()
          # 获取所有关系（含源节点ID、目标节点ID、关系类型、属性）
          rels = session.run("MATCH (n)-[r]->(m) RETURN id(n) AS source, id(m) AS target, type(r) AS rel_type, properties(r) AS rel_props").data()
      return nodes, rels
  
  # 提取数据
  nodes, rels = fetch_graph_data()
  
  # 转换成DataFrame方便后续处理
  nodes_df = pd.DataFrame(nodes)
  rels_df = pd.DataFrame(rels)
  
  # 关闭驱动连接
  driver.close()
  

• 转换成PyTorch Geometric（深度学习常用图框架）的Data对象：

  import torch
  from torch_geometric.data import Data
  
  # 提取节点特征（假设属性均为数值类型，按需调整）
  node_features = torch.tensor([list(n["props"].values()) for n in nodes], dtype=torch.float)
  # 构建边索引（PyG要求边索引为2xN的张量）
  edge_index = torch.tensor([[r["source"], r["target"]] for r in rels], dtype=torch.long).t().contiguous()
  
  # 创建可用于深度学习的图数据对象
  graph_data = Data(x=node_features, edge_index=edge_index)
  

2. 使用Neo4j GDS Python客户端（graphdatascience） #

如果你已经熟悉Neo4j GDS，可以直接在Jupyter中调用GDS算法（如Node2Vec、GraphSAGE）生成嵌入，再导出到本地用于深度学习训练。

步骤示例： #

• 安装客户端：

  pip install graphdatascience torch
  

• 连接GDS并导出嵌入：

  from graphdatascience import GraphDataScience
  
  # 连接Neo4j GDS
  gds = GraphDataScience(uri, auth=(user, password))
  
  # 投影图到GDS内存（按需调整节点/关系筛选条件）
  G, _ = gds.graph.project(
      "my-graph",
      "*",  # 包含所有节点标签
      "*"   # 包含所有关系类型
  )
  
  # 运行Node2Vec算法并将嵌入写入Neo4j节点属性
  gds.node2vec.write(
      G,
      writeProperty="node2vec_emb",
      embeddingDimension=128,
      walkLength=80,
      numWalks=10
  )
  
  # 从Neo4j导出嵌入数据
  embedding_results = gds.run_cypher("MATCH (n) RETURN id(n) AS node_id, n.node2vec_emb AS embedding").data()
  
  # 转换成PyTorch张量用于深度学习
  embeddings = torch.tensor([res["embedding"] for res in embedding_results], dtype=torch.float)
  
  # 清理投影图
  G.drop()
  gds.close()
  

3. 导出为CSV/JSON后读取 #

对于结构简单的图，可直接在Neo4j中导出节点和关系为CSV文件，再在Jupyter中用Pandas读取处理。

步骤示例： #

• 在Neo4j Browser中运行导出命令（需先安装APOC插件）：

  // 导出所有节点到CSV
  CALL apoc.export.csv.query("MATCH (n) RETURN id(n) AS node_id, labels(n) AS labels, properties(n)", "nodes.csv", {})
  
  // 导出所有关系到CSV
  CALL apoc.export.csv.query("MATCH (n)-[r]->(m) RETURN id(n) AS source, id(m) AS target, type(r) AS rel_type, properties(r)", "rels.csv", {})
  

• 在Jupyter中读取并处理：

  import pandas as pd
  
  nodes_df = pd.read_csv("nodes.csv")
  rels_df = pd.read_csv("rels.csv")
  
  # 后续可根据需求转换为图框架兼容格式
  

选择建议 #

• 若需自定义数据筛选/转换逻辑，优先用Neo4j Python驱动；
• 若需要先运行图算法生成嵌入，推荐用GDS Python客户端；
• 小图或快速原型验证，可选择CSV导出方式。

内容的提问来源于stack exchange，提问作者Utkarsh Kumar