NebulaGraph in Jupyter Notebook

2023-06-06 2023-06-06 约 824 字预计阅读 2 分钟

现在，我们可以在 Jupyter Notebook 中更方便地玩 NebulaGraph 图数据库了，只需要%ngql MATCH p=(n:player)->() RETURN p 就可以直接查询，%ng_draw 就可以画出返回结果。

English version

最近，我把两年前一直没完成的 NebulaGraph 的 Jupyter Notebook 扩展： ipython-ngql 重构，正式发布了，现在它除了完全适配 NebulaGrpah 3.x 所有查询之外，还支持了 Notebook 内的返回结果可视化，本文给大家介绍一下如何使用 ipython-ngql ！

1 安装

安装非常简单，只需要在 Jupyter Notebook 里边执行 %pip install ipython-ngql 然后再加载它就好：

1
2


%pip install ipython-ngql
%load_ext ngql

然后，我们就可以用 %ngql 这个 Jupyter Magic word 连接 NebulaGraph 了：

1

%ngql --address 127.0.0.1 --port 9669 --user root --password nebula

当连接成功之后，SHOW SPACES 的结果会返回在这个 notebook cell 下。

💡 注：你可以从 Docker 桌面版的扩展市场里搜索 NebulaGraph 一键安装本地开发环境，进入 NebulaGraph Docker 扩展内部，点击 NebulaGraph AI ，点击 Install NX Mode 安装本地的 NebulaGraph + Jupyter Notebook 开发环境。

2 查询

现在支持两种语法 %ngql 接单行查询和 %%ngql 接多行查询。

2.1 单行查询

例如：

1
2


%ngql USE basketballplayer;
%ngql MATCH (v:player{name:"Tim Duncan"})-->(v2:player) RETURN v2.player.name AS Name;

2.2 多行查询

例如：

1
2
3


%%ngql
ADD HOSTS "storaged3":9779,"storaged4":9779;
SHOW HOSTS;

3 渲染结果

而在任意一个查询之后，紧跟着一个 %ng_draw 就可以把结果可视化渲染出来：

1
2
3
4
5
6
7


# one query
%ngql GET SUBGRAPH 2 STEPS FROM "player101" YIELD VERTICES AS nodes, EDGES AS relationships;
%ng_draw

# another query
%ngql match p=(:player)-[]->() return p LIMIT 5
%ng_draw

效果：

并且，渲染的结果还会被保存为单文件 html ，这样我们可以内嵌到任意网页中，像是：

4 高级应用

下面还有一些方便的高级应用。比如 %ngql help 可以获得更多帮助信息。

4.1 操作查询结果为 pandas df

每一次 query 之后，返回的结果会被存到 _ 变量中，我们可以对它进行读取：

4.2 返回原始 ResultSet

默认，返回的结果的格式是 pandas df，而如果我们想在 Jupyter Notebook 中交互调试 Python 的 NebulaGraph 应用代码的时候，我们也可以将返回结果设置为原始的 ResultSet 格式，方便直观进行 Query 与结果解析，例如：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26


In [1] : %config IPythonNGQL.ngql_result_style="raw"

In [2] : %%ngql USE pokemon_club;
    ...: GO FROM "Tom" OVER owns_pokemon YIELD owns_pokemon._dst as pokemon_id
    ...: | GO FROM $-.pokemon_id OVER owns_pokemon REVERSELY YIELD owns_pokemon._dst AS Trainer_Name;
    ...:
    ...:
Out[3]:
ResultSet(ExecutionResponse(
    error_code=0,
    latency_in_us=3270,
    data=DataSet(
        column_names=[b'Trainer_Name'],
        rows=[Row(
            values=[Value(
                sVal=b'Tom')]),
...
        Row(
            values=[Value(
                sVal=b'Wey')])]),
    space_name=b'pokemon_club'))

In [4]: r = _

In [5]: r.column_values(key='Trainer_Name')[0].cast()
Out[5]: 'Tom'

4.3 查询模板

此外，我还给大家支持了模板功能，语法沿用了 Jinja2 的 {{ variable }} ，详见这个例子：

5 未来

之后，我打算增强可视化的自定义选项，也欢迎社区里的大伙来贡献新的 feature、idea。

项目的 repo 在 👉🏻 https://github.com/wey-gu/ipython-ngql

目录

NebulaGraph in Jupyter Notebook

1 安装

2 查询

2.1 单行查询

2.2 多行查询

3 渲染结果

4 高级应用

4.1 操作查询结果为 pandas df

4.2 返回原始 ResultSet

4.3 查询模板

5 未来

相关内容

目录

NebulaGraph in Jupyter Notebook

1 安装

2 查询

2.1 单行查询

2.2 多行查询

3 渲染结果

4 高级应用

4.1 操作查询结果为 pandas df

4.2 返回原始 ResultSet

4.3 查询模板

5 未来

相关内容

Graph RAG: 知识图谱结合 LLM 的检索增强

Demo：NebulaGraph 的 Graph RAG

Demo：NebulaGraph 的知识图谱构建与 Text2Cypher

Text2Cypher：大语言模型驱动的图谱查询生成

图谱驱动的大语言模型 Llama Index