Neo4j GDS Python库缩放函数是否存在及调用方法咨询

存在对应的缩放函数，对应官方文档里的Scale Properties功能，在Neo4j Graph Data Science Python Library中可以通过gds.alpha.scaleProperties过程调用（因为该功能属于Alpha阶段算法，所以命名带alpha前缀）。

调用步骤示例 #

1. 初始化GDS连接
   先确保已安装graphdatascience库，然后建立与Neo4j数据库的连接：

   from graphdatascience import GraphDataScience
   
   # 替换为你的Neo4j连接信息
   gds = GraphDataScience("bolt://localhost:7687", auth=("neo4j", "your-db-password"))
   

2. 投影带数值属性的图
   缩放操作需要基于已投影的图（包含待缩放的节点数值属性）：

   # 投影包含目标数值属性的图，替换标签、关系类型和属性名
   G, project_result = gds.graph.project(
       "my-target-graph",
       "YourNodeLabel",
       {"YOUR_REL_TYPE": {"orientation": "UNDIRECTED"}},
       nodeProperties=["property-to-scale"]
   )
   

3. 执行缩放操作
   支持两种主要缩放方法：min-max（归一化到指定区间）和standardize（Z-score标准化），以下是两种调用示例：

   Min-Max缩放

   # 将目标属性缩放到0-1区间，生成新的属性scaled-property
   mutate_result = gds.alpha.scaleProperties.mutate(
       G,
       nodeProperties=["property-to-scale"],
       scalingMethod="min-max",
       mutateProperty="scaled-property",
       minValue=0,  # 可选，默认0
       maxValue=1   # 可选，默认1
   )
   
   # 查看操作统计结果
   print(f"处理节点数: {mutate_result['nodePropertiesWritten']}")
   

   Z-score标准化

   # 对目标属性做Z-score标准化，生成新属性standardized-property
   mutate_result = gds.alpha.scaleProperties.mutate(
       G,
       nodeProperties=["property-to-scale"],
       scalingMethod="standardize",
       mutateProperty="standardized-property"
   )
   

注意事项 #

• 该功能属于Alpha阶段，API可能在未来版本中发生变更，请确保你的GDS Python库与Neo4j服务器端的GDS插件版本匹配。
• 除了mutate模式，还支持stream（返回缩放后的值）和write（将缩放后属性写入原节点）模式，调用方式类似，替换.mutate为.stream或.write即可。

内容的提问来源于stack exchange，提问作者Benjamin Borg