本文主要是介绍neo4j使用详解（十、cypher空间及向量函数——最全参考），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Neo4j系列导航：
neo4j安装及简单实践
cypher语法基础
cypher插入语法
cypher插入语法
cypher查询语法
cypher通用语法
cypher函数语法
neo4j索引及调优
8.空间函数
用于指定point坐标参考系 (CRS) 中的 2D 或 3D 值并计算两个point值之间的测地距离。
8.1.point.distance()函数
返回同一坐标参考系 (CRS) 中两点之间的测地距离 point.distance(point1, point2)
-
注意：
- 如果
point值采用笛卡尔CRS（2D 或 3D）格式，则返回距离的单位将与使用毕达哥拉斯定理计算的点的单位相同。 - 如果
point值采用WGS-84 CRS (2D)，则返回距离的单位将为米，基于球形地球近似的半正矢公式。 - 如果
point值采用WGS-84 CRS (3D)，则返回距离的单位将为米。
- 如果
-
笛卡尔*CRS中两个 2D 点之间的距离：
with point({x: 2.3, y: 4.5, crs: 'cartesian'}) AS p1, point({x: 1.1, y: 5.4, crs: 'cartesian'}) AS p2 point.distance(p1,p2) as dist//返回值1.5 -
WGS 84 CRS中两个 3D 点之间的距离：
with point({longitude: 12.78, latitude: 56.7, height: 100}) as p1, point({latitude: 56.71, longitude: 12.79, height: 100}) as p2 return point.distance(p1, p2) as dist//返回值1269.9148706779097 -
具体两个位置的距离：
match (t:TrainStation)-[:TRAVEL_ROUTE]->(o:Office) with point({longitude: t.longitude, latitude: t.latitude}) as trainPoint, point({longitude: o.longitude, latitude: o.latitude}) as officePoint return round(point.distance(trainPoint, officePoint)) as travelDistance//返回值27842.0
8.2.point.withinBBox()函数
查看点是否在边框（边界）内。如果提供的点包含在边界框中（包含边界），则返回值为 true，否则返回值为 false point.withinBBox(point, lowerLeft, upperRight)
-
检查笛卡尔CRS中的点是否包含在边界框中：
with point({x: 0, y: 0, crs: 'cartesian'}) as lowerLeft, point({x: 10, y: 10, crs: 'cartesian'}) as upperRight return point.withinBBox(point({x: 5, y: 5, crs: 'cartesian'}), lowerLeft, upperRight) as result//返回值true -
查找边界框中包含的点：
with point({longitude: 12.53, latitude: 55.66}) as lowerLeft, point({longitude: 12.614, latitude: 55.70}) as upperRight match (t:TrainStation) where point.withinBBox(point({longitude: t.longitude, latitude: t.latitude}), lowerLeft, upperRight) return count(t)//返回值1 -
穿过 180 号子午线的边界框：
with point({longitude: 179, latitude: 55.66}) as lowerLeft, point({longitude: -179, latitude: 55.70}) as upperRight return point.withinBBox(point({longitude: 180, latitude: 55.66}), lowerLeft, upperRight) as result//返回值true
8.3.point()- WGS 84 2D
返回WGS 84 CRS中对应给定坐标值的2D点 point({longitude | x, latitude | y [, crs][, srid]})
-
注意：
- latitude如果使用和指定坐标longitude，则crs或srid字段是可选的并推断为’WGS-84’( srid:4326)。
- x如果使用和指定坐标y，则如果需要地理 CRS，则需要crs或srid字段
-
实例：
return point({longitude: 56.7, latitude: 12.78})//返回值point({srid:4326, x:56.7, y:12.78})
return point({x: 2.3, y: 4.5, crs: 'WGS-84'})//返回值point({srid:4326, x:2.3, y:4.5})
match (p:Office) return point({longitude: p.longitude, latitude: p.latitude})//返回值point({srid:4326, x:12.994341, y:55.611784})
8.3.point()- WGS 84 3D
返回WGS 84 point CRS中与给定坐标值对应的3D point({longitude | x, latitude | y, height | z, [, crs][, srid]})
- 实例：
return point({longitude: 56.7, latitude: 12.78, height: 8})//返回值point({srid:4979, x:56.7, y:12.78, z:8.0})
8.3.point()- 笛卡尔二维
返回笛卡尔CRS中对应给定坐标值的2D点 point({x, y [, crs][, srid]})
- 实例：
return point({x: 2.3, y: 4.5}) as point//返回值point({srid:7203, x:2.3, y:4.5})
8.3.point()- 笛卡尔三维
返回笛卡尔CRS中对应给定坐标值的2D点 point({x, y, z, [, crs][, srid]})
- 实例：
RETURN point({x: 2.3, y: 4.5, z: 2}) as point//返回值point({srid:9157, x:2.3, y:4.5, z:2.0})
9.向量函数
向量函数允许您计算向量对的相似度分数。这些向量相似度函数与 Neo4j 的向量搜索索引所使用的函数相同。低版本不支持（3.x不支持，5.x版本是支持的）
9.1.vector.similarity.euclidean()函数
返回一个float表示基于欧几里得距离的参数向量之间的相似度。有关更多详细信息，请参阅向量索引文档。vector.similarity.euclidean(a, b)
- 注意：
- 两个向量必须具有相同的维度
- 就欧几里德相似性而言，两个向量都必须有效
9.2. vector.similarity.cosine()函数
vector.similarity.cosine()返回一个float表示参数向量之间基于余弦的相似度的值。有关更多详细信息，请参阅向量索引文档。vector.similarity.cosine(a, b)
- 注意：
- 两个向量必须具有相同的维度
- 两个向量在余弦相似度方面必须有效
9.3.实例
创建向量：
create(:Node {id:1, vector:[1.0,4.0,2.0]}),(:Node {id:2, vector:[3.0,-2.0,1.0]}),(:Node {id:3, vector:[2.0,8.0,3.0]})
定一个参数query（此处设置为[4.0, 5.0, 6.0]），您可以通过欧几里德距离查询该查询向量的两个最近邻。这是通过匹配所有候选向量并根据相似度分数排序来实现的：
MATCH (node:Node)
WITH node, vector.similarity.euclidean($query, node.vector) AS score
RETURN node, score
ORDER BY score DESCENDING
LIMIT 2;
结果：
| node | score |
|---|---|
| (:Node {vector: [2.0, 8.0, 3.0], id: 3}) | 0.043478261679410934 |
| (:Node {vector: [1.0, 4.0, 2.0], id: 1}) | 0.03703703731298447 |
这篇关于neo4j使用详解（十、cypher空间及向量函数——最全参考）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
