DSPL Gen 是一种命令行实用程序，有助于将 CSV 数据表转换为简单的 DSPL 数据集。该工具会解析输入文件，创建所有必要的数据表，并布局 DSPL XML 文件。 结果是几乎完整的数据集“模板”，只需进行细微的优化即可上传和直观呈现。
DSPL Gen 背后的基本假设是，输入 CSV 文件中的每一列对应于单个 DSPL 概念，并且每行都是对维度组合的单个观察结果。该工具的工作原理是遍历列，为每个列 / 概念建立适当的元数据（例如，ID、类型、是维度还是指标等），然后生成所有必要的概念定义和切片表。
运行 DSPL Gen
语法
注意：以下说明假定您已按照 DSPL 工具页面提供的安装说明操作。
如需运行 DSPL Gen，请转到系统上的终端 / 提示符，然后输入：
python dsplgen.py -o [output path] [path to CSV file]
括号中的字词替换如下：
[output path]：您要放置输出文件的目录的路径；此目录必须已存在于文件系统中。[path to CSV file]：输入 CSV 文件的路径。如需详细了解如何设置此文件的格式，请参阅下文。
-o [output path] 组件是可选的；如果省略此组件，输出文件将放置在当前目录中。
然后，该工具会运行，遍历您的 CSV 文件，提取概念定义并生成 Slice 表。除非发现任何错误，否则系统会将 XML 文件以及一个或多个 CSV 文件写入输出目录。
最后，在您选择的文本编辑器中打开 XML 文件，然后进行所需的更改。您至少应填写该工具使用 ** INSERT ... ** 表示法标记的名称、说明和其他值。
简单示例
假设我们有一个 CSV 文件，其中按月、国家/地区和年龄段细分了疾病的病例总数。为简单起见，我们假设每个维度有两个值：
date,country,age_group,disease_cases 01/2000,US,old,102030 01/2000,MX,old,192939 01/2000,US,young,23131 01/2000,MX,young,12311 02/2000,US,old,143135 02/2000,MX,old,203131 02/2000,US,young,22990 02/2000,MX,young,12591
在上面的输入上运行该工具会生成 4 个文件：
dataset.xml：DSPL XML 模板country_table.csv：country概念的值age_group_table.csv：age_group概念的值slice_0_table.csv：数据集切片的表（与输入表相同，但排序除外）
在此特定情况下，该工具能够正确猜测所有列类型和格式。所以，我们只需进入 XML 文件，然后修改数据集元数据中的各种名称、说明和网址。
为输入 CSV 添加注解
基本选项
在许多情况下（如上例所示），DSPL Gen 可以猜测每一列的基本元数据，例如类型、格式，以及它是维度还是指标。不过，在其他情况下，此工具可能无法猜出这些答案，或者猜测不正确，或者虽然猜测正确，但仍不会执行所需的行为。
为了处理这些情况，该工具支持在 CSV 标题行中添加 DSPL 生成选项/“提示”。它们的语法如下：
column1[option1=value1;option2=value2;...],column2[option1=value1;option2=value2;...],column3[...],...
请特别注意，选项列表位于列名称右侧的方括号内，连续的选项设置由英文分号分隔。每个选项都包含一个选项名称、一个等号和一个选项值。
DSPL Gen 现在支持以下基本选项：
| 选项 | 说明 | 默认 |
|---|---|---|
type |
此列的 DSPL 数据类型；必须是 date、float、integer 或 string 之一。 |
根据数据推测得出 |
format |
此日期列的格式；与在 DSPL 中一样，此格式应使用 Joda 日期时间标准进行编码。 | 根据数据推测得出 |
slice_role |
在任何切片中，此列的角色是什么；必须为 dimension 或 metric。 |
如果列的类型为 date 或 string，则为 dimension，否则为 metric |
concept |
此列表示的规范概念，例如 geo:country；如果指定，则系统会导入此概念，并且 XML 文件中不会生成定义。 |
无 |
extends |
此列扩展的规范概念，例如 entity:entity。 |
无 |
parent |
此列的父级概念。此父项必须是数据集内定义的维度概念（即未导入的）；如果指定，此信息将用于定义数据集中的概念层次结构。 请注意，每个子级实例只能有一个父级。如果检测到多个父级值，该工具将生成错误。 |
无 |
价值总览
除了上述基本“提示”选项之外，DSPL Gen 还支持切片总览：在给定单一表格输入的情况下，该工具可以自动创建具有有限维度子集的其他表格。例如，如果输入表对应于包含三个非时间维度（例如，dimension1、dimension2 和 dimensions3），该工具也可以创建一些额外的切片：只有 dimension1、dimension2、dimension1 和
dimension2 等。
添加这些额外的切片可以让您的数据集更易于浏览，因为它可以减少生成可视化图表所需的维度过滤条件的数量。另一方面，此过程可能会引入原始文件中找不到的“新”数据，因此，如果使用不当，也可能会导致错误；请在发布数据集之前仔细检查汇总数字。
汇总流程会在 CSV 输入标题中包含一些其他选项来触发：
| 选项 | 说明 | 默认 |
|---|---|---|
aggregation |
合并此列的多个值时使用的聚合方法；必须是 AVG、COUNT、MAX、MIN 或 SUM 之一；仅对指标有意义。 |
SUM |
rollup |
如果值为 true，则该列的概念为“总览”（即汇总起来）；仅对维度概念有意义。 |
错误 |
total_val |
此列中的值表示在汇总此列时保留的行数；仅对维度概念有意义。 | None |
然后，DSPL 使用以下算法计算总览：
- 使用
rollup标记的值计算所有可能的列组合 - 对于每个组合：
- 如果任何总览列设置了
total_val参数，请按此值过滤行；否则，请选择所有行 - 删除汇总列
- 按其余维度列的值对行进行分组
- 使用其
aggregation参数中指定的方法聚合每个指标 - 为结果创建切片和关联的表
- 如果任何总览列设置了
请注意，如果每个分组中只有一个值，汇总函数设置为 SUM（默认值），则源表和生成的表中的指标值将相同，即不会生成任何新值。因此，借助 total_val 参数并确保其他维度的每个组合都只有一个“total”行，您可以直接在源代码中存储预计算的汇总数据。
警告：生成的切片数量等于 2 个汇总列。将此选项应用于大量列可能会导致运行时间过长和/或数据集过大。
高级示例
假设我们有与上例相同的输入数据，但现在包括不同国家/地区的汇总：
date,country,age_group,disease_cases 01/2000,US,old,102030 01/2000,MX,old,192939 01/2000,total,old,152012 01/2000,US,young,23131 01/2000,MX,young,12311 01/2000,total,young,241011 02/2000,US,old,143135 02/2000,MX,old,203131 02/2000,total,old,211310 02/2000,US,young,22990 02/2000,MX,young,12591 02/2000,total,young,240131
每个年龄段的总数可能与国家/地区值的总和不一致，例如，因为方法的不同或列表中未列到的其他国家/地区存在。
现在，我们需要创建一个具有以下附加功能的 DSPL 数据集：
- “汇总”国家/地区，以便仅查看各个年龄段的病例总数
- 请为
country列使用规范的geo:country概念，以便我们自动获取这些列的全名、位置等。 - 使
disease_cases概念扩展quantity:amount，以便我们（手动）将单元信息添加到 XML 文件中
为此，我们需要修改输入 CSV 的标题行，如下所示：
date,country[concept=geo:country;rollup=true;total_val=total],age_group,disease_cases[extends=quantity:amount]
再次运行该工具，我们现在会得到一个额外的切片表格，该表格会按国家/地区进行消除：
date,age_group,disease_cases 01/2000,old,152012 02/2000,old,211310 01/2000,young,241011 02/2000,young,240131
请注意，如果我们没有在源表中包括总值和 total_val 标记，则会得到每个年龄段的计算总和。
此外，XML 文件中的 disease_cases 定义现在包含所需的 quantity:amount 扩展。country 的定义已从 XML 文件中删除，因为我们为此使用导入的概念。
填写各种名称、说明和单位信息后，我们可以压缩数据集包，然后将其上传到 Public Data Explorer 进行可视化处理。