首先需要企业关联图谱的数据，保存为CSV格式，其中每行表示两个企业之间的关联关系，包括企业名称、统一社会信用代码和关联类型等字段。例如：

```

企业1,91330622121180353W,股东

企业2,91330622MA27P62G1E,法人

企业3,91330622MA28JX0B1L,股东

企业1,91330622121180353W,关联企业

企业4,913306227795545060,关联企业

企业2,91330622MA27P62G1E,关联企业

```

```python

import pandas as pd

# 导入企业关联图谱数据

df = pd.read_csv('企业关联图谱.csv', header=None, names=['企业名称', '统一社会信用代码', '关联类型'])

# 定义查询函数，查找指定企业的关联企业和股东

def search_relation(enterprise_name):

# 查找关联企业

related_enterprises = df[df['企业名称'] == enterprise_name]

related_enterprises = related_enterprises[related_enterprises['关联类型'] == '关联企业']

related_enterprises = related_enterprises['企业名称'].values.tolist()

# 查找股东

shareholders = df[df['企业名称'] == enterprise_name]

shareholders = shareholders[shareholders['关联类型'] == '股东']

shareholders = shareholders['企业名称'].values.tolist()

return {'关联企业': related_enterprises, '股东': shareholders}

# 测试查询函数

result = search_relation('企业1')

print(result)

```

以上代码中，我们先导入了企业关联图谱数据，并定义了一个查询函数`search_relation()`。该函数接收一个企业名称作为参数，查找指定企业的关联企业和股东，并将结果以字典形式返回。在函数中，我们使用pandas库进行数据分析和处理，先筛选出企业名称为指定名称、关联类型为“关联企业”的数据，将其企业名称加入到一个列表中，并得到关联企业；再筛选出企业名称为指定名称、关联类型为“股东”的数据，将其企业名称加入到另一个列表中，并得到股东。

测试代码中，使用示例企业名称“企业1”调用查询函数`search_relation()`，并将结果保存到`result`变量中，最后通过`print()`函数将查询结果输出。如果需要查询其他企业的关联关系，只需要更改函数参数即可。同时，也可以根据实际需求，添加其他查询类型和查询条件，以便更全面地了解企业的关联关系。