如何将包含大量空值和列的中型CSV导入Neo4j

我必须将现有的药物本体导入Neo4j。该本体存储在CSV文件中；它包含约30000行和每行192列（即值）。问题是，在这192列中，绝大多数（~170）在几乎所有的行中都有空值

到目前为止，我遇到的示例涉及更简单的模式（4或5列）。此外，我还没有发现任何关于如何处理此类模型的有用见解。然而，我发现了关于空值的信息；然而，作为Neo4j的新手，我不确定导入CSV文件中数据的最佳方式是什么。据我所知，有以下几种选择：

分阶段进口。根据Neo4j官方网页上的一次网络研讨会，我可以首先导入ID列，然后针对每个带有null的列“X”，过滤X列中的非null值，并将这两列转储到一个新的CSV文件中。最后一次操作将产生类似于以下内容的密码（假设所有药物都已进口）：

使用FOR EACH语句，我相信这简化了前面的操作：

使用批导入器。尽管根据CSV的大小（~30000行），此选项应该被取消，但考虑到空值，它是否有益？。如果最好的选择是批量导入器，我将如何处理空值

---

考虑到我的原始CSV文件的特性，特别是大量的列，您建议采用哪种方式将数据导入Neo4j？我非常感谢Neo4j的专家或经验丰富的用户的建议。

我以前也遇到过类似的情况，并选择使用最接近您的第一个备选方案-尽管有一个“放松”语句，使得预先过滤CSV变得不必要

假设索引0提供了（药物）的id，并且（d）的可空id从索引1-191运行：

USING PERIODIC COMMIT 10000
LOAD CSV FROM "file:///Users/user/ontology_with .csv" AS line
UNWIND range(1,191) as i
MATCH (drug:Drug {id: line[0]})
MATCH (d:Drug {id: line[i]})
CREATE (drug)-[:ACTIVATES_DRUG]->(d)

---

空值不应该为匹配返回任何内容（d:Drug{id:line[i]}），因此将被跳过。

最终，它变得有点复杂。大多数CSV列存储多值关系，值之间用“|”分隔，因此我必须调整前面的答案。以下是这种多值关系的一个示例，以防它对其他人有用：

LOAD CSV WITH HEADERS FROM "file:///DINTO_CSVLint.csv" AS line
WITH line, SPLIT(line.`may interact with`, '|') AS ddiDrugs
UNWIND ddiDrugs AS i
MATCH (sourceDrug:Drug {preferredLabel: line.`Preferred Label`})
MATCH (destDrug:Drug {uri: i})
MERGE (sourceDrug)-[r:MAY_INTERACT_WITH]->(destDrug)
RETURN r;

---

我在其余的关系中使用了类似的方法。

为什么不将RDF导入到适当的triplestore中？

USING PERIODIC COMMIT 10000
LOAD CSV FROM "file:///Users/user/ontology_with .csv" AS line
UNWIND range(1,191) as i
MATCH (drug:Drug {id: line[0]})
MATCH (d:Drug {id: line[i]})
CREATE (drug)-[:ACTIVATES_DRUG]->(d)

LOAD CSV WITH HEADERS FROM "file:///DINTO_CSVLint.csv" AS line
WITH line, SPLIT(line.`may interact with`, '|') AS ddiDrugs
UNWIND ddiDrugs AS i
MATCH (sourceDrug:Drug {preferredLabel: line.`Preferred Label`})
MATCH (destDrug:Drug {uri: i})
MERGE (sourceDrug)-[r:MAY_INTERACT_WITH]->(destDrug)
RETURN r;