小编点评

```python # 生成饮食数据节点的 CQL 语句 def generate_cql(): # 读取饮食数据 df = pd.read_csv('foods_data.csv') # 获取症状列表 symptoms = [] for each in df['饮食']: symptoms.extend(each.split(',')) # 去除重复项 symptoms = set(symptoms) # 拼接 CQL 语句 cql = '\"\"\".join([ "\"\"\(foods%s:Foods {name: \"%s\"}),\\r\\"\"\"" \\" % (idx, item) for idx, item in enumerate(symptoms) ]) # 删除最后一个节点的逗号 return cql.rstrip(\",\\r\\") ``` **使用说明：** 1. 将 `foods_data.csv` 文件放置在同目录中。 2. 运行代码。 3. 运行 `clear_data()` 函数清除之前生成的节点。 4. 运行 `generate_cql()` 函数生成 CQL 语句。 5. 将 generated 的 CQL 语句用于与 Neo4j 中的 Cypher 命令交互。

正文

根据疾病、症状，判断出哪些饮食不能吃，哪些建议多吃

饮食数据

foods_data.csv
建议值用“”引起来。避免中间有，号造成误识别

饮食
"辣椒"
"大蒜"
"芥末"
"海鲜"
"胡萝卜"
"核桃仁"
"菠菜"
"西红柿"
"香蕉"

创建节点

重构代码，将 def execute_write(self, cql): 移至 neo4j_provider.py中

import logging
import pandas as pd
from utils.neo4j_provider import neo4j

logging.root.setLevel(logging.INFO)


# 并生成 CQL
def generate_cql() -> str:
    df = pd.read_csv('foods_data.csv')
    symptoms = []
    for each in df['饮食']:
        symptoms.extend(each.split(','))  # 按，号分割成数组，并将每行数据到一个队列里面
    symptoms = set(symptoms)  # 去除重复项

    # 拼接 CQL
    cql = ""
    for idx, item in enumerate(symptoms):
        cql += """(foods%s:Foods {name: "%s"}),\r\n""" \
               % (idx, item)
    return "CREATE %s" % (cql.rstrip(",\r\n"))  # 删除最后一个节点的 逗号




# 清除 Disease 标签数据
def clear_data():
    cql = "MATCH (n:Foods) DETACH DELETE n"
    neo4j.execute_write(cql)


if __name__ == "__main__":
    clear_data()
    cql = generate_cql()
    print(cql)
    neo4j.execute_write(cql)

源代码地址：https://gitee.com/VipSoft/VipQA