众星拱“哥哥”—— 明星关系图谱构建的零距离实践

作为一名数据挖掘爱好者，我的热情已经蔓延到了娱乐世界，并准备使用Neo4j快速构建一个明星关系图谱。令人兴奋的是，这个恰到好处的时代背景，让我将文中的几个例子顺势改成了“哥哥”张国荣。万事俱备，只欠一勺好“米”—— 本次爬取娱乐圈下属“明星”页的“更多明星”里所有9141条数据。筛选出个人主页中含“_news_id”的6014条数据，其中包括了“哥哥”等6013名明星的基本信息和主要作品。

一、Neo4j与Python的关系

现在我们就一头扎进任务第一阶段：建立Neo4j与Python的亲密关系。

1. 行走在Python的世界里

   • 确保系统安装了最新版本的Python（版本不低于3.6）。
   • 进入Python的虚拟世界，构建一个编程环境：

     # 创建一个虚拟环境
     python3 -m venv env
     
     # 激活虚拟环境
     source env/bin/activate
     

2. 畅游在Neo4j的海洋中

   • 下载并安装Neo4j Desktop：https://neo4j.com/download/desktop/

   • 下载neo4j-driver：

     pip install neo4j-driver
     

3. 构建属于你们的“桥梁”

   • 导入必要的库：

     from neo4j import GraphDatabase
     

   • 建立数据库连接：

     driver = GraphDatabase.driver(uri="bolt://localhost:7687", auth=("neo4j", "password"))
     

二、图谱的雏形——节点与关系

就好像亲戚之间有血缘关系一样，我们的关系图谱中也建立了一套亲密的联系。点和边—— 星语星空和星光长河。

1. 节点的创建

   query = """
   UNWIND $data AS row
   CREATE (a:Celebrity { name: row.name, birth: row.birth, 
                           death: row.death, nationality: row.nationality })
   """
   
   with driver.session() as session:
       session.run(query, data=dict(data=star_data))
   

2. 关系的建立

   query = """
   UNWIND $relationships AS row
   MATCH (a:Celebrity {name: row.source}), (b:Celebrity {name: row.target})
   CREATE (a)-[r:ACTED_IN {movie: row.movie}]->(b)
   """
   
   with driver.session() as session:
       session.run(query, data=dict(relationships=star_relationships))
   

三、数据可视化——图形的盛宴

将我们的星星图谱投射在可视化的舞台上，让数据更富魅力，直击观众的双眼：

1. 导入库

   import pandas as pd
   import networkx as nx
   import matplotlib.pyplot as plt
   

2. 从Neo4j中提取数据

   query = """
   MATCH (n:Celebrity)-[r:ACTED_IN]->(m:Celebrity)
   RETURN n.name AS source, m.name AS target, r.movie AS movie
   """
   
   data = pd.DataFrame([dict(zip(result.keys(), result.values())) 
                        for result in driver.session().run(query)])
   

3. 构建网络图

   G = nx.from_pandas_edgelist(data, source='source', target='target')
   

4. 绘图

   plt.figure(figsize=(10, 10))
   pos = nx.spring_layout(G)
   nx.draw(G, pos, with_labels=True, node_color='lightblue', node_size=500, font_size=12)
   plt.show()
   

瞧，整个星辉灿烂的明星关系图谱就在你的眼前展现。

1. 导出为HTML

   html = nx.generate_html(G, pos)
   with open('star_graph.html', 'w') as f:
       f.write(html)
   

现在，您已经踏上了明星关系图谱之旅的第一步，开始探索数据背后的奥秘。