Lib.rs

🌍 网站   📒 文档   Pometry   🧙教程   🐛 报告错误   加入Slack

Raphtory是一个用Rust编写的内存向量图数据库，具有友好的Python API。它非常快，可以在您的笔记本电脑上扩展到数亿条边，并且可以通过简单的 pip install raphtory 代码添加到现有的管道中。

它支持时间旅行、全文搜索、多层数学和超越简单查询的高级分析，如自动风险检测、动态评分和时间模式。

如果您想贡献，请查看开放的 问题列表、悬赏板 或直接在 Slack 上联系我们。成功的贡献将获得精美的礼品！

安装Raphtory

Raphtory适用于Python和Rust。

对于Python，您必须使用3.8或更高版本，可以通过pip进行安装

pip install raphtory

对于Rust，Raphtory托管在Rust版本1.77或更高版本的 crates 上，可以通过 cargo add 将其包含在项目中

cargo add raphtory

运行基本示例

以下是一个使用Raphtory Python API时其外观和感觉的示例。如果您喜欢所看到的内容，可以深入了解以下完整教程：这里。

from raphtory import Graph
from raphtory import algorithms as algo
import pandas as pd

# Create a new graph
graph = Graph()

# Add some data to your graph
graph.add_node(timestamp=1, id="Alice")
graph.add_node(timestamp=1, id="Bob")
graph.add_node(timestamp=1, id="Charlie")
graph.add_edge(timestamp=2, src="Bob", dst="Charlie", properties={"weight": 5.0})
graph.add_edge(timestamp=3, src="Alice", dst="Bob", properties={"weight": 10.0})
graph.add_edge(timestamp=3, src="Bob", dst="Charlie", properties={"weight": -15.0})

# Check the number of unique nodes/edges in the graph and earliest/latest time seen.
print(graph)

results = [["earliest_time", "name", "out_degree", "in_degree"]]

# Collect some simple node metrics Ran across the history of your graph with a rolling window
for graph_view in graph.rolling(window=1):
    for v in graph_view.nodes:
        results.append(
            [graph_view.earliest_time, v.name, v.out_degree(), v.in_degree()]
        )

# Print the results
print(pd.DataFrame(results[1:], columns=results[0]))

# Grab an edge, explore the history of its 'weight'
cb_edge = graph.edge("Bob", "Charlie")
weight_history = cb_edge.properties.temporal.get("weight").items()
print(
    "The edge between Bob and Charlie has the following weight history:", weight_history
)

# Compare this weight between time 2 and time 3
weight_change = cb_edge.at(2)["weight"] - cb_edge.at(3)["weight"]
print(
    "The weight of the edge between Bob and Charlie has changed by",
    weight_change,
    "pts",
)

# Run pagerank and ask for the top ranked node
top_node = algo.pagerank(graph).top_k(1)
print(
    "The most important node in the graph is",
    top_node[0][0],
    "with a score of",
    top_node[0][1],
)

输出

Graph(number_of_edges=2, number_of_nodes=3, earliest_time=1, latest_time=3)

|   | earliest_time | name    | out_degree | in_degree |
|---|---------------|---------|------------|-----------|
| 0 | 1             | Alice   | 0          | 0         |
| 1 | 1             | Bob     | 0          | 0         |
| 2 | 1             | Charlie | 0          | 0         |
| 3 | 2             | Bob     | 1          | 0         |
| 4 | 2             | Charlie | 0          | 1         |
| 5 | 3             | Alice   | 1          | 0         |
| 6 | 3             | Bob     | 1          | 1         |
| 7 | 3             | Charlie | 0          | 1         |

The edge between Bob and Charlie has the following weight history: [(2, 5.0), (3, -15.0)]

The weight of the edge between Bob and Charlie has changed by 20.0 pts

The top node in the graph is Charlie with a score of 0.4744116163405977

GraphQL

作为Python API的一部分，您可以将数据托管在Raphtory的GraphQL服务器上。这使得将图分析集成到Web应用程序中变得非常简单。

以下是一个创建图、运行托管这些数据的服务器以及使用我们的GraphQL客户端直接查询它的示例。

from raphtory import Graph
from raphtory.graphql import GraphServer
import pandas as pd
import os

# URL for lord of the rings data from our main tutorial
url = "https://raw.githubusercontent.com/Raphtory/Data/main/lotr-with-header.csv"
df = pd.read_csv(url)

# Load the lord of the rings graph from the dataframe
graph = Graph()
graph.load_edges_from_pandas(df,"time","src_id","dst_id")

#Create a working_dir for your server and save your graph into it 
#You can save any number of graphs here or create them via the server ones its running
os.makedirs("graphs/", exist_ok=True)
graph.save_to_file("graphs/lotr_graph")

# Launch the server and get a client to it.
server = GraphServer(work_dir="graphs/").start()
client = server.get_client()

#Run a basic query to get the names of the characters + their degree
results = client.query("""{
             graph(path: "lotr_graph") {
                 nodes {
                    list{
                        name
                        degree
                       }   
                    }
                 }
             }""")

print(results)

输出

Loading edges: 100%|██████████████| 2.65K/2.65K [00:00<00:00, 984Kit/s]
Playground: https://127.0.0.1:1736
{'graph': 
    {'nodes': 
        [{'name': 'Gandalf', 'degree': 49}, 
         {'name': 'Elrond', 'degree': 32}, 
         {'name': 'Frodo', 'degree': 51}, 
         {'name': 'Bilbo', 'degree': 21}, 
         ...
        ]
    }
}

GraphQL Playground

当您托管Raphtory GraphQL服务器时，您将获得一个捆绑的Web游乐场，您可以通过浏览器在同一端口访问它（默认为1736）。在这里，您可以实验对您的图进行查询并探索模式。以下是一个游乐场的示例，它运行了与上面Python示例相同的查询。

入门

为了帮助您开始使用Raphtory，我们在Raphtory网站上提供了一套完整的教程。

• 将数据导入Raphtory
• 基本图查询
• 时间旅行和图视图
• 运行算法
• 与其他工具集成

如果API文档更适合您，您可以直接在这里深入了解：这里！

在线笔记本沙盒

想尝试一下，但无法安装？查看我们的交互式Jupyter笔记本中的Raphtory操作！只需点击下面的徽章即可启动在线的Raphtory沙盒，无需安装。

社区

加入越来越多的开源爱好者社区，他们使用Raphtory来推动他们的图分析！

• 关注获取最新的Raphtory新闻和开发动态

• 加入我们的与我们聊天并解答您的问题！

贡献者

赏金板

Raphtory目前正在提供奖励以鼓励贡献，如新功能或算法。贡献者将获得周边产品和奖品！

要开始，请查看我们的期望算法列表，其中包含一些易于实现的低垂之果（🍇）。

基准测试

我们托管了一个页面，该页面在每个推送到master分支时触发并保存两个基准测试的结果。查看这里

许可证

Raphtory根据GNU通用公共许可证v3.0的条款进行许可（查看我们的LICENSE文件）。