使用Neo4j构建图数据库的CSV数据准备及文件结构规范咨询

节点类CSV结构规范 #

• 必须设置全局唯一ID列：同类型节点的ID不可重复，跨节点类型建议添加前缀做区分（比如用户ID用user_001、商品ID用item_001），避免后续关联关系时出现ID冲突
• 单列仅存储单一属性：禁止将多个属性值拼接在同一列中，例如不要出现用户信息:张三,30,上海这类格式，需拆分姓名、年龄、所在地为独立列
• 同列数据类型统一：相同属性列的类型需保持一致，例如年龄列全为整数，若存在未知值统一用空字符串或NA占位，不要出现数字和字符串混存的情况
• 特殊字符转义处理：属性值包含逗号、双引号、换行符时，统一用双引号包裹整个属性值，避免导入时出现列错位

关系类CSV结构规范 #

• 必须包含起始节点ID和目标节点ID两列：ID取值需和对应节点CSV中的ID完全匹配，大小写、前缀规则需完全一致
• 若单个CSV存储多种关系，必须单独设置关系类型列（例如取值为购买、关注、从属），用于导入时指定关系类型
• 关系属性的规范和节点属性完全一致，需保证单值、类型统一、特殊字符转义

通用预处理要求 #

• 去重处理：节点CSV按ID列去重，关系CSV按「起始节点ID+目标节点ID+关系类型」组合去重，避免导入重复数据
• 空值统一处理：单属性列空值占比超过80%建议直接删除该列，确需保留的统一空值标记，禁止null、NULL、无、-等多种空值标记混用
• 编码统一：所有CSV统一保存为UTF-8无BOM编码，避免导入时出现乱码
• 表头命名规范：表头不要包含空格、特殊符号，建议用下划线命名法（例如用user_id代替用户 ID），降低后续Cypher导入语句的编写复杂度

快速验证方法 #

• 预处理完成后可先截取100行以内的样本数据，用LOAD CSV命令做预览测试，运行LOAD CSV WITH HEADERS FROM 'file:///sample.csv' AS row RETURN row LIMIT 10即可查看列解析是否正确，是否存在错位问题
• 导入全量数据前，可先统计关系CSV中首尾ID和节点ID的匹配率，提前排查找不到对应节点的无效关系数据

内容的提问来源于stack exchange，提问作者Laurent Cesaro