如何将Azure Cosmos DB图数据库转换为Python图对象？

一、修复现有顶点提取代码的问题 #

你的代码返回空DataFrame的核心原因是**callback.result()只能被迭代一次**，第一次循环打印后，结果迭代器已经耗尽，第二次调用就返回空集合。另外代码里还有语法错误（username==应该是username=）。修复后的顶点提取代码如下：

from gremlin_python.driver import client, serializer
import pandas as pd
import networkx as nx

def get_vertices(client):
    # 提交Gremlin查询，获取所有顶点及属性（含ID）
    query = "g.V().project('id','props').by(id()).by(valueMap().by(unfold())).toList()"
    callback = client.submitAsync(query)
    # 先将结果存入列表，避免迭代器耗尽
    vertices_list = list(callback.result())
    # 打印顶点信息
    for v in vertices_list:
        print("\t", v)
    # 转换为DataFrame，展开props字段
    vertices_df = pd.json_normalize(vertices_list)
    return vertices_df

def get_edges(client):
    # 提交Gremlin查询，获取所有边及关联的起点、终点ID
    query = "g.E().project('source','target','props').by(outV().id()).by(inV().id()).by(valueMap().by(unfold())).toList()"
    callback = client.submitAsync(query)
    edges_list = list(callback.result())
    # 打印边信息
    for e in edges_list:
        print("\t", e)
    # 转换为DataFrame，展开props字段
    edges_df = pd.json_normalize(edges_list)
    return edges_df

if __name__ == "__main__":
    # 修正语法错误，补全参数格式
    cosmos_client = client.Client(
        '<endpoint>',
        'g',
        username="<username>",
        password="<password>",
        message_serializer=serializer.GraphSONSerializersV2d0()
    )
    
    # 获取顶点数据
    Vdata = get_vertices(cosmos_client)
    print("顶点DataFrame：")
    print(Vdata.head())
    
    # 获取边数据
    Edata = get_edges(cosmos_client)
    print("\n边DataFrame：")
    print(Edata.head())

二、将提取的数据转换为NetworkX图对象 #

有了结构化的顶点和边DataFrame后，可以直接构建NetworkX图：

# 初始化有向图（无向图用nx.Graph()）
G = nx.DiGraph()

# 添加顶点：以ID为节点标识，其余属性为节点属性
for idx, row in Vdata.iterrows():
    node_id = row['id']
    attrs = row.drop('id').to_dict()
    G.add_node(node_id, **attrs)

# 添加边：根据起点、终点ID添加，附带边属性
for idx, row in Edata.iterrows():
    source = row['source']
    target = row['target']
    edge_attrs = row.drop(['source','target']).to_dict()
    G.add_edge(source, target, **edge_attrs)

# 验证图结构
print("\nNetworkX图节点数：", G.number_of_nodes())
print("NetworkX图边数：", G.number_of_edges())

关键注意事项 #

• Gremlin查询优化：必须显式获取顶点和边的ID，因为NetworkX依赖唯一标识来区分节点和关联边。
• 迭代器处理：callback.result()返回的是一次性迭代器，必须先转为列表存储，才能多次使用（打印、转DataFrame）。
• 语法修正：原代码中username=="<username>"是比较运算符，应改为赋值运算符username="<username>"，同时函数参数之间要加逗号分隔。

内容的提问来源于stack exchange，提问作者StatStein