Python智慧农业之将数据存储在表格中并从图表中获取见解,基于 Google 表格和 Neo4j 中维护伴随植物知识图谱（教程含源码）

即使有足够 100 亿人的食物，世界上仍有 10% 的人经常饿着肚子上床睡觉。气候变化加剧了粮食危机。虽然养活世界人口（2022 年为 80 亿）已经足够困难，但为未来人口（2050 年为 98 亿）生产和分配足够的食物将更具挑战性，尤其是当表土、农业知识和土壤流失时生物多样性不断对我们不利。

面对大规模的粮食危机和气候变化，我们需要改革目前不可持续的农业。在水培、鱼菜共生等几种选择中，老好伴生确实值得我们关注。正是通过提供营养、吸引有益昆虫或抑制害虫，在附近种植不同植物的农业实践相互支持。与单一栽培相比，伴生种植的产量更高，也更环保。一个著名的例子是三姐妹：冬瓜、玉米和豆类（标题图）。豆类通过共生细菌固氮。南瓜以其宽阔的叶子保护土壤免受恶劣天气的影响，并以其毛发驱除害虫。而玉米是豆类攀爬的天然棚架。它们一起可以保护土壤免受侵蚀并提高生产力。

几千年来，人类一直在进行伴生种植，并积累了广泛的知识。这些知识被编入表格，例如维基百科上的表格。使用 Google 表格等工具可以轻松修改和维护表格。但对于伴生植物数据等关系丰富的数据，表格不是我进行可视化分析的首选。相比之下，网络图（图 1）可以轻松显示工厂错综复杂的相互联系。我们还可以执行图形查询和基于图形的算法来获得对数据的新见解。

但是在像 Neo4j 这样的图形数据库中编辑数据并不像在表格中那么简单。尽管图形应用Neo4j Commander将数据编辑