mdxpy 0.2

MDXpy公司

一个简单但优雅的TM1 MDX库

安装

pip install mdxpy

使用

使用Member、MdxTuple、MdxHierarchySet、MdxBuilder类以编程方式创建MDX查询。在

在代码中使用MDXpy而不是对原始MDX查询进行黑客攻击的好处

• 写得更快
• 需要较少的MDX知识
• 永远消除语法错误（例如，在查询中忘记}，]，)）
• 使代码更健壮、更易于重构
• 对象名中]的转义处理

成员

Member用于MdxTuple和{}。 使用静态的Member.of(*args: str)方法创建一个Member。在

^{pr2}$

MDX组件

使用静态的of(*args: Member)方法创建MdxTuple。元组的MDX表达式是用to_mdx方法生成的。在

>>>mdx_tuple=MdxTuple.of(Member.of("Product","Product1"),Member.of("Region","US"))>>>print(mdx_tuple.to_mdx())([PRODUCT].[PRODUCT].[PRODUCT1],[REGION].[REGION].[US])>>>mdx_tuple=MdxTuple.of(Member.of("Product","ByType","Product1"),Member.of("Region","ByGeography","North America"))>>>print(mdx_tuple.to_mdx())([PRODUCT].[BYTYPE].[PRODUCT1],[REGION].[BYGEOGRAPHY].[NorthAmerica])

您可以将Member添加到MdxTuple

>>>mdx_tuple=MdxTuple.of(Member.of("Product","ByType","Product1"))>>>mdx_tuple.add_member(Member.of("Region","ByGeography","North America"))>>>print(mdx_tuple.to_mdx())([PRODUCT].[BYTYPE].[PRODUCT1],[REGION].[BYGEOGRAPHY].[NORTHAMERICA])

MdxHierarchySet

MdxHierarchySet是用MdxHierarchySet类上的任何静态方法创建的。集合的MDX表达式是用to_mdx方法生成的。在

>>>mdx_set=MdxHierarchySet.tm1_subset_all("Product")>>>print(mdx_set.to_mdx()){TM1SUBSETALL([Product].[Product])}>>>mdx_set=MdxHierarchySet.tm1_subset_to_set("Region","By Geography","Default")>>>print(mdx_set.to_mdx()){TM1SUBSETTOSET([REGION].[BYGEOGRAPHY],'Default')}>>>mdx_set=MdxHierarchySet.all_leaves("Region")>>>print(mdx_set.to_mdx()){TM1FILTERBYLEVEL({TM1SUBSETALL([REGION].[REGION])},0)}>>>mdx_set=MdxHierarchySet.members([Member.of("Region","US"),Member.of("Product","Product1")])>>>print(mdx_set.to_mdx()){[REGION].[REGION].[US],[PRODUCT].[PRODUCT].[PRODUCT1]}

MdxHierarchySet上的函数可以以函数样式连接到任意长度：

>>>mdx_set=MdxHierarchySet.tm1_subset_all("Region").filter_by_level(0).filter_by_pattern("I*").tm1_sort()>>>print(mdx_set.to_mdx()){TM1SORT({TM1FILTERBYPATTERN({TM1FILTERBYLEVEL({TM1SUBSETALL([REGION].[REGION])},0)},'I*')},ASC)}

MdxBuilder用于构建MDX查询。MdxHierarchySet或MdxTuple放置在轴上。可以在每个轴上打开或关闭零点抑制。实际的MDX表达式是用to_mdx方法生成的。在

>>>query=MdxBuilder.from_cube("Cube").add_hierarchy_set_to_column_axis(MdxHierarchySet.all_leaves("Product"))>>>print(query.to_mdx())SELECT{TM1FILTERBYLEVEL({TM1SUBSETALL([PRODUCT].[PRODUCT])},0)}ON0FROM[CUBE]>>>query=MdxBuilder.from_cube("Cube").add_hierarchy_set_to_column_axis(MdxHierarchySet.member(Member.of("Product","Product1")))>>>print(query.to_mdx())SELECT{[PRODUCT].[PRODUCT].[PRODUCT1]}ON0FROM[CUBE]>>>query=MdxBuilder.from_cube("Cube").add_member_tuple_to_axis(0,Member.of("Product","Product1"),Member.of("Region","EMEA"))>>>print(query.to_mdx())SELECT{([PRODUCT].[PRODUCT].[PRODUCT1],[REGION].[REGION].[EMEA])}ON0FROM[CUBE]>>>query=MdxBuilder.from_cube("Cube").columns_non_empty().add_hierarchy_set_to_column_axis(MdxHierarchySet.member(Member.of("Product","Product1")))>>>print(query.to_mdx())SELECTNONEMPTY{[PRODUCT].[PRODUCT].[PRODUCT1]}ON0FROM[CUBE]

MDX查询可以有任意数量的轴。必须定义轴0（=列）。在

>>>mdx=MdxBuilder.from_cube("Cube") \
    .add_hierarchy_set_to_axis(0,MdxHierarchySet.member(Member.of("Region","US"))) \
    .add_hierarchy_set_to_axis(1,MdxHierarchySet.all_leaves("Product")) \
    .add_hierarchy_set_to_axis(2,MdxHierarchySet.member(Member.of("Version","Actual"))) \
    .add_hierarchy_set_to_axis(3,MdxHierarchySet.tm1_subset_to_set("Time","Time","2020-Q1")) \
    .to_mdx()>>>print(mdx)SELECT{[REGION].[REGION].[US]}ON0,{TM1FILTERBYLEVEL({TM1SUBSETALL([PRODUCT].[PRODUCT])},0)}ON1,{[VERSION].[VERSION].[ACTUAL]}ON2,{TM1SUBSETTOSET([TIME].[TIME],'2020-Q1')}ON3FROM[CUBE]

CalculatedMember类用于定义查询范围的计算成员。它们通过MdxBuilder函数与MdxBuilder一起使用。在

>>>mdx=MdxBuilder.from_cube(cube="Record Rating").with_member(CalculatedMember.avg(dimension="Period",hierarchy="Period",element="AVG 2016",cube="Record Rating",mdx_set=MdxHierarchySet.children(member=Member.of("Period","2016")),mdx_tuple=MdxTuple.of(Member.of("Chart","Total Charts"),Member.of("Record Rating Measure","Rating")))) \
        .add_hierarchy_set_to_row_axis(MdxHierarchySet.children(Member.of("Record","Total Records")).top_count(cube="Record Rating",mdx_tuple=MdxTuple.of(Member.of("Period","AVG 2016")),top=5)) \
        .add_member_tuple_to_columns(Member.of("Period","AVG 2016")) \
        .where(Member.of("Chart","Total Charts"),Member.of("Record Rating Measure","Rating")) \
        .to_mdx()>>>print(mdx)WITHMEMBER[PERIOD].[PERIOD].[AVG2016]ASAVG({[PERIOD].[PERIOD].[2016].CHILDREN},[RecordRating].([CHART].[CHART].[TOTALCHARTS],[RECORDRATINGMEASURE].[RECORDRATINGMEASURE].[RATING]))SELECT{([PERIOD].[PERIOD].[AVG2016])}ON0,{TOPCOUNT({[RECORD].[RECORD].[TOTALRECORDS].CHILDREN},5,[RECORDRATING].([PERIOD].[PERIOD].[AVG2016]))}ON1FROM[RECORDRATING]WHERE([CHART].[CHART].[TOTALCHARTS],[RECORDRATINGMEASURE].[RECORDRATINGMEASURE].[RATING])

要查看所有示例，请签出test.py文件

支持的MDX函数

• TM1子集合
• 成员
• TM1变电站
• 默认成员
• 家长
• 第一个孩子
• 最后一个孩子
• 儿童
• 祖先
• 祖先
• 向下钻取
• 过滤器
• TM1过滤器模式
• TM1过滤器等级
• TM1端口
• 头部
• 尾巴
• 子集
• 顶部计数
• 底数
• 工会
• 相交
• 除了
• 命令

测试

test.py中的所有测试

贡献

欢迎投稿。如果你发现了一个bug或者觉得你可以贡献一些东西，请分叉存储库，更新代码，然后创建一个pull请求，这样我们就可以合并这些更改了。在

标签：

• 项目

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• djio

  DJiographic信息系统

• magicsuper

  将神奇的零参数super（）反向移植到python2

• WeChat-OAuth2

  微信SDK

• lda

  基于潜在dirichlet分配的主题建模

• paradigm

  python对象元数据解析器。

• youtube-data-api3

  与YouTube互动的图书馆。

• jinja-yaml-magic

  在ipython/jupyter notebooks支持Jinja2和Yaml

• zc.catalogqueue

  未知

• django-quantity-field

  存储多维物理量的django模型的字段

• onset

  对文件运行set操作。

• django-compresshtml

  Django的HTML压缩程序；

• mxnet-cu80mkl

  mxnet是一个超可扩展的深度学习框架。此版本使用CUDA-8.0和mkldnn。

• jaraco.ui

  用户界面工具（主要是命令行）

• pyRedmineClient

  cli库通过http管理和操作服务目录的所有实体

• djangocms-fbcomments

  最简单的方法，为你的django cms支持的网站整合facebook评论与延迟加载，分析等。