一、前言
開啟手機‘北京地鐵’APP，輸入起始點：霍營，終點：北京南站，發現系統給我們推薦了兩條路線。
最短時間路線與最少換乘路線，並且分別給出了耗時與乘坐里程費。看到這裡，不禁開啟了靚仔疑問，假如給你地鐵站相關資料，如何構建這樣的關係網路呢？（儘量少寫程式碼，畢竟我這個人懶的不行，花最少的功夫，整最炫的效果，咦）
1.整理地鐵站點資料，處理成echarts圖表所需要的結構
2.整理地鐵站點資料，自己寫程式碼實現，能實現（好累啊...）
3.整理地鐵站點資料，匯入 Neo4j 中，點選檢視
分析：方案一，不僅要處理資料還要搞echarts樣式，算了吧。方案二，直接PASS，還是方案三省力，正好我的電腦上之前安裝過 Neo4j 圖資料庫，哈哈哈，開搞開搞！
軟體下載地址：http://doc.we-yun.com:1008/neo4j-chs
軟體安裝教程：https://www.cnblogs.com/jstarseven/p/9546555.html
二、資料準備
既然需要展示地鐵關係，那麼首先需要的就是北京所有地鐵站的資訊，以及站點之間的關係，距離，耗時。搜尋了一圈，最後在北京地鐵官方網站，發現了全部地鐵線路，站點名稱，站點與站點之間距離等資訊。但是缺少了具體站點與站點之間的乘車耗時，行吧，先將就著用吧！具體資料樣例如下：
資料來源地址：https://www.bjsubway.com/station/zjgls/#
站點關係
一共18條線路，一頓複製貼上和 Notepad++ 文字替換之後，我們得到了一個 Excel檔案，包含了所有站點之間的關係資料，如下:
獲取站點
複製所有站點進入Excel檔案的某一個sheet，選擇資料去重，得到所有站點名稱。
處理CSV
將站點關係與站點資料處理成CSV檔案格式，方便匯入 Neo4j 資料庫中，建立圖節點與關係。操作也就是 notepad++ 替換‘ ’為‘,’,另存為 .CSV 檔案，具體得到下列檔案。（因為方便 Neo4j 資料庫不同的路線顯示不同的顏色，我特地將站點關係資料拆解成了多個地鐵線的CSV檔案，如果不考慮顯示，可以一個CSV檔案，匯入站點關係即可）
備註：將所有CSV檔案，放入 Neo4j 安裝目錄下的 import 資料夾中（沒有就新建），如下：
檔案下載地址：https://files-cdn.cnblogs.com/files/jstarseven/subway.zip
三、建立地鐵關係網
Neo4j 支援匯入本地以及網路資源中的 CSV 檔案資料，並且可以從CSV檔案資料中，直接建立圖形節點以及節點關係。具體 cypher 語句，如下：
建立地鐵站點
LOAD CSV WITH HEADERS FROM "file:///station.csv" AS line
MERGE (p:Station{id:line.id,name:line.name});
建立站點連線
LOAD CSV WITH HEADERS FROM "file:///line1.csv" AS line1
match (from1:Station{name:line1.sn}),(to1:Station{name:line1.en})
merge (from1)-[r1:一號線{jl:line1.jl,xl:line1.xl}]->(to1);
LOAD CSV WITH HEADERS FROM "file:///line2.csv" AS line2
match (from2:Station{name:line2.sn}),(to2:Station{name:line2.en})
merge (from2)-[r2:二號線{jl:line2.jl,xl:line2.xl}]->(to2);
LOAD CSV WITH HEADERS FROM "file:///line4.csv" AS line4
match (from4:Station{name:line4.sn}),(to4:Station{name:line4.en})
merge (from4)-[r4:四號線{jl:line4.jl,xl:line4.xl}]->(to4);
LOAD CSV WITH HEADERS FROM "file:///line5.csv" AS line5
match (from5:Station{name:line5.sn}),(to5:Station{name:line5.en})
merge (from5)-[r5:五號線{jl:line5.jl,xl:line5.xl}]->(to5);
LOAD CSV WITH HEADERS FROM "file:///line6.csv" AS line6
match (from6:Station{name:line6.sn}),(to6:Station{name:line6.en})
merge (from6)-[r6:六號線{jl:line6.jl,xl:line6.xl}]->(to6);
LOAD CSV WITH HEADERS FROM "file:///line7.csv" AS line7
match (from7:Station{name:line7.sn}),(to7:Station{name:line7.en})
merge (from7)-[r7:七號線{jl:line7.jl,xl:line7.xl}]->(to7);
LOAD CSV WITH HEADERS FROM "file:///line8.csv" AS line8
match (from8:Station{name:line8.sn}),(to8:Station{name:line8.en})
merge (from8)-[r8:八號線{jl:line8.jl,xl:line8.xl}]->(to8);
LOAD CSV WITH HEADERS FROM "file:///line9.csv" AS line9
match (from9:Station{name:line9.sn}),(to9:Station{name:line9.en})
merge (from9)-[r9:九號線{jl:line9.jl,xl:line9.xl}]->(to9);
LOAD CSV WITH HEADERS FROM "file:///line10.csv" AS line10
match (from10:Station{name:line10.sn}),(to10:Station{name:line10.en})
merge (from10)-[r10:十號線{jl:line10.jl,xl:line10.xl}]->(to10);
LOAD CSV WITH HEADERS FROM "file:///line13.csv" AS line13
match (from13:Station{name:line13.sn}),(to13:Station{name:line13.en})
merge (from13)-[r13:十三號線{jl:line13.jl,xl:line13.xl}]->(to13);
LOAD CSV WITH HEADERS FROM "file:///line14.csv" AS line14
match (from14:Station{name:line14.sn}),(to14:Station{name:line14.en})
merge (from14)-[r14:十四號線{jl:line14.jl,xl:line14.xl}]->(to14);
LOAD CSV WITH HEADERS FROM "file:///line15.csv" AS line15
match (from15:Station{name:line15.sn}),(to15:Station{name:line15.en})
merge (from15)-[r15:十五號線{jl:line15.jl,xl:line15.xl}]->(to15);
LOAD CSV WITH HEADERS FROM "file:///linebt.csv" AS linebt
match (frombt:Station{name:linebt.sn}),(tobt:Station{name:linebt.en})
merge (frombt)-[rbt:八通線{jl:linebt.jl,xl:linebt.xl}]->(tobt);
LOAD CSV WITH HEADERS FROM "file:///linecp.csv" AS linecp
match (fromcp:Station{name:linecp.sn}),(tocp:Station{name:linecp.en})
merge (fromcp)-[rcp:昌平線{jl:linecp.jl,xl:linecp.xl}]->(tocp);
LOAD CSV WITH HEADERS FROM "file:///lineyz.csv" AS lineyz
match (fromyz:Station{name:lineyz.sn}),(toyz:Station{name:lineyz.en})
merge (fromyz)-[ryz:亦莊線{jl:lineyz.jl,xl:lineyz.xl}]->(toyz);
LOAD CSV WITH HEADERS FROM "file:///linedx.csv" AS linedx
match (fromdx:Station{name:linedx.sn}),(todx:Station{name:linedx.en})
merge (fromdx)-[rdx:大興線{jl:linedx.jl,xl:linedx.xl}]->(todx);
LOAD CSV WITH HEADERS FROM "file:///linefs.csv" AS linefs
match (fromfs:Station{name:linefs.sn}),(tofs:Station{name:linefs.en})
merge (fromfs)-[rfs:房山線{jl:linefs.jl,xl:linefs.xl}]->(tofs);
LOAD CSV WITH HEADERS FROM "file:///linejc.csv" AS linejc
match (fromjc:Station{name:linejc.sn}),(tojc:Station{name:linejc.en})
merge (fromjc)-[rjc:機場線{jl:linejc.jl,xl:linejc.xl}]->(tojc);
執行效果
備註：Neo4j瀏覽器需要開啟多語句執行配置，否則會報語句執行錯誤，配置介面如下：
1.Neo4j瀏覽器配置
2.cypher語句執行過程
3.地鐵關係網效果
四、路徑檢索
以‘霍營’與‘北京南站’地鐵站為例，檢索具體一下路徑：
最少站點路徑
MATCH (p1:Station {name:"霍營"}),(p2:Station{name:"北京南站"}),p=shortestpath((p1)-[*]-(p2)) RETURN p
最短路程路徑
MATCH p=(b:Station{name:"霍營"})-[*..20]->(d:Station{name:"北京南站"}) WITH p,reduce(s = 0, r IN rels(p) | s + r.jl) AS dist return p ORDER BY dist DESC limit 1
最少耗時路徑
很遺憾，因為沒有找到北京地鐵每站之間具體的耗時資料，所以此處檢索不出來，行吧，我太難了。
五、總結
1）資料整理涉及節點資料，節點關係資料，可在匯入CSV時一併建立；
2）Cypher 是 借鑑了sql語句的 Neo4j 資料庫操作語句；
3）(a)-[*..20]->(b)：表示路徑長度的最大值是20，起始節點是a，終止節點是b；
4）一次執行多條語句，Neo4j瀏覽器需要開啟多語句執行配置；
over
