这是在实现多表关联时想到的。
我们现在这套体系，实现多表关联比较复杂。如果Superset能官方支持多表关联，不知道会是什么样的方案，复杂度如何。
- 在公式这个层面，没有关联条件，只有两个列、或者多个列，相互之间该如何计算（+-*/）。
->由此可知，在展开公式之前，结果集要先进行join，以保证列计算时，每一行被正确的对齐了。
->查找基础KPI、分组、查询的操作不需要改变。在获取df之后，merge各个df，要提前到展开公式之前。
- 如果没有定义join条件呢？
join是在结果集层面定义的，两个结果集如何关联起来。
如果查询的结果集是单结果集，完全不影响在公式里引用来自其他结果集的KPI，这个时候是没有join条件的。
--在程序中，要把这种情况当成错误来处理，即，KPI公式中出现的其他KPI，不能来自join定义之外。
->在逐层嵌套的KPI定义体系中，可能存在需要到本层join定义之外，再去下层获取join条件的情况（假设KPI有4层，第1层的join条件，很可能无法把第4层的数据集关联起来）。所以，join条件也需要迭代处理。每一层都需要join操作。
- 当前的策略是独立查询各个table的数据，关联条件作用在pandas.DataFrame之间，每个DataFrame中可能包含不需要的数据，即，不满足join条件的数据也可能会被加载到DataFrame中。再考虑到每个查询中limit的存在，会有部分满足条件的数据不会出现在join之后的结果集中。
--这个问题没找到完善的解决方案
- pandas的merge行成一个独立的DataFrame，存在列名重复的可能。
--参见这个讨论：https://stackoverflow.com/questions/19125091/pandas-merge-how-to-avoid-duplicating-columns
--来自两个DataFrame的列如果重名，可以用suffixes函数控制列名加什么后缀。
--https://blog.csdn.net/brucewong0516/article/details/82707492
--所以，这个问题至少是可以解决的。
- 过滤条件（如果有的话），应该和join一起处理。
细节待定
展开公式的逻辑
->从KPI到换算成列
2019-08-06补充：
- Context
写二叉树代码的时候，就在想，拼接公式时要不要加一个上下文。
今早模糊想到，的确需要一个上下文（Context）。拼接公式是从叶子节点开始，如果叶子节点是KPI，要查到对应的KPI属于哪个数据集，一旦涉及两个或多个KPI之间的运算，就有可能需要join才能计算，否则，不对齐的行之间运算没有意义。
join之后呢，就需要有个地方保存这个join出来的数据集，而且，还要供公式树上的上一级节点使用。
假设有Dataset_1/Dataset_2/Dataset_3三个数据集。
Dataset_1 ： 『KPI_1/KPI_2/KPI_3』
Dataset_2 ： 『KPI_4/KPI_5』
Dataset_3 ： 『KPI_6/KPI_7』
KPI_2 = KPI_5 + KPI_7
KPI_3 = KPI_6 + KPI_7
对KPI_3来说，KPI_6/KPI_7属于同一个数据集，不需要先join再计算。
对KPI_2来说，KPI_5/KPI_7不属于同一个数据集，需要先join Dataset_2、Dataset_2再计算，否则两个数据集的行没对齐，计算得到的结果没有实际意义。
公式展开的过程，就是计算得到pandas.core.series.Series的过程；同一个数据集的各个KPI即是多个pandas.core.series.Series，数据集是pandas.core.series.Series的集合，也就是一个pandas.DataFrame。
对完全由公式KPI构成的数据集，遍历KPI，展开公式，就是计算Series，保存到DataFrame。即，在查询数据时，一个数据集，和一个DataFrame对应。
把Series加到DataFrame，可以参考：https://stackoverflow.com/questions/12555323/adding-new-column-to-existing-dataframe-in-python-pandas
见joaquin的回答，2017年更新的方法，是调用assign，把Series加入到DataFrame。
2019-08-08补充：如果需要动态命名新增列，可以参考 https://stackoverflow.com/questions/39767718/pandas-assign-with-new-column-name-as-string
--从2019年3月开始重新做Superset二次开发，快五个月了，像是把2017年想要实现但没条件实现的功能，都实现了。是不是又要告一段落了呢？
)
