具有层次结构的Python多维数据集OLAP框架

这里我们有一些模型（django模型）用于某些国家的一些参数值， 按科目划分（如中心科目、西部科目等） 和行政单位（学科区域，如俄罗斯的莫斯科中心学科区域）

每个参数值都有三个维度： 年份、地理位置（科目或行政单位。但id仅适用于地理位置）和参数类型/代码/名称

因此，在models.json中，我们可以看到地理位置有哪些级别： 主体由行政单位组成，但每个主体都有自己的年度参数值。 （行政单位也是如此）

models.js

{
    "dimensions": [
      {
        "name": "cubes_viewer_years",
        "levels": [
          {
            "name": "cubes_viewer_years",
            "label_attribute": "year",
            "attributes": [ "id", "year"],
            "info": { "cv-datefilter": true}
          }
        ]
      },
        {
            "name": "cubes_viewer_param",
            "levels": [
                {
                    "name" : "param",
                    "attributes": ["id", "codename", "name"],
                    "label_attribute": "name"
                }
            ]
        },

        {
            "name": "cubes_viewer_geography",
            "levels": [
                {
                    "name": "subject",
                    "attributes": [ "subject_id", "subject_label"],
                    "key": "subject_id",
                    "label_attribute": "subject_label"
                },
                {
                    "name": "administrative_unit",
                    "attributes":
                    [ "administrative_unit_id", "administrative_unit_label"],
                    "key": "administrative_unit_id",
                    "label_attribute": "administrative_unit_label"
                }
            ]
        }

    ],
    "cubes": [
      {
        "name": "cubes_viewer_fact",
        "label": "Индикаторы",
        "measures": [{"name": "value", "aggregates": ["sum", "avg", "max", "min"]}],
        "dimensions": ["cubes_viewer_years", "cubes_viewer_param", "cubes_viewer_geography"],
        "joins": [
          {"master": "cubes_viewer_fact.year_id", "detail": "cubes_viewer_years.id"},
          {"master": "cubes_viewer_fact.param_id", "detail": "cubes_viewer_param.id"},
          {"master": "cubes_viewer_fact.geography_id", "detail": "cubes_viewer_geography.id"}
        ]
      }
    ]
}

问题： 如果我想按行政单位深入调查，一切都很好 （除了名为subject_NAME/的每个subject的值，而不是subject_NAME/ADMINISTRATIVE_UNIT_NAME.（在多维数据集查看器的过滤器面板中））之外。 一切都很好

但是，如果我想按主题深入研究，cubes viewer的过滤器面板允许选择太多的主题名称值，比如每个管理单元名称都有一个类似主题（不是唯一的）

这是不对的。 如何为这种数据层次结构构建多维数据集模型层次结构。 或者我可以分开地理表。那么，如何为此构建正确的多维数据集模型层次结构呢

也许我在文档中遗漏了一些东西，但我尝试使用cubes viewer webvisits应用程序中的示例-上面的描述是我得到了

---

谢谢。

您可以将地理信息分为两个表（在这种情况下，您可以在

连接中添加一个条目，定义如何连接这些表）

但你不应该这么做。多维数据集可以处理这个问题，我认为您的连接和维度配置是正确的

可能您缺少
映射
：

"mappings": {
    "cubes_viewer_geography.subject_id": "cubes_viewer_geography.subject_id",
    "cubes_viewer_geography.subject_label": "cubes_viewer_geography.subject_label",
    "cubes_viewer_geography.administrative_unit_id": "cubes_viewer_geography.administrative_unit_id",
    "cubes_viewer_geography.administrative_unit_label": "cubes_viewer_geography.administrative_unit_label"
}

您可以将地理信息分为两个表（在这种情况下，您可以向
join
添加一个条目，定义如何连接这些表）

但你不应该这么做。多维数据集可以处理这个问题，我认为您的连接和维度配置是正确的

可能您缺少
映射
：

"mappings": {
    "cubes_viewer_geography.subject_id": "cubes_viewer_geography.subject_id",
    "cubes_viewer_geography.subject_label": "cubes_viewer_geography.subject_label",
    "cubes_viewer_geography.administrative_unit_id": "cubes_viewer_geography.administrative_unit_id",
    "cubes_viewer_geography.administrative_unit_label": "cubes_viewer_geography.administrative_unit_label"
}