Flutter插件packhorse的使用方法

Flutter插件packhorse的使用方法

欢迎来到packhorse库，它支持从小型到中型的数据处理和分析项目，无论是客户端还是服务器端。

packhorse提供了几个类，使我们能够轻松地定义新的表格和列，提取常用的统计信息，执行结构化操作如连接，并将数据导出为多种格式，如CSV、HTML和JSON。

示例

final rectPart1 = """
   id,length,color
   0,12,red
   1,15,blue
   2,6,green
   3,10,blue
   4,5,green
""".parseAsCsv(),
    rectPart2 = {
      "id": [0, 1, 2, 3, 4],
      "width": [4, 9, 3, 2, 10],
    }.toDataFrame();

print(
  rectPart1
      .withInnerJoinOn(
        rectPart2,
        pivot: "id",
      )
      .withNumericColumnFromFormula(
        name: "area",
        formula: "length * width",
      )
      .withCategoricColumnFromRowValues(
        name: "desc",
        generator: (numeric, categoric) =>
            (numeric["area"]! > 25 ? "large-" : "small-") +
            categoric["color"]!,
      ),
);

输出结果如下：

.--.------.--------.-----.----.-------.-------------.
|id|length|right_id|width|area|color  |desc         |
:--+------+--------+-----+----+-------+-------------:
|0 |12    |0       |4    |48  |red    |large-red    |
|1 |15    |1       |9    |135 |blue   |large-blue   |
|2 |6     |2       |3    |18  |green  |small-green  |
|3 |10    |3       |2    |20  |blue   |small-blue   |
|4 |5     |4       |10   |50  |green  |large-green  |
'--'------'--------'-----'----'-------'-------------'

查看example/example.md文件中的示例，可以快速了解该库的使用方法。

感谢您对本库的兴趣。请在这里提交问题和请求：[问题提交链接]。

实例化

列实例化

NumericColumn和CategoricColumn实例通常直接从迭代器中实例化：

final numeric = NumericColumn([1, 2, 3]),
  categoric = CategoricColumn(["a", "b", "c"]);

print(numeric);
print(categoric);

输出结果如下：

NumericColumn [1, 2, 3]
CategoricColumn [a, b, c]

[618 μs]

另外，我们也可以直接从列表中实例化这些实例：

final numeric = [1, 2, 3].toNumericColumn(),
    categoric = ["a", "b", "c"].toCategoricColumn();

print(numeric);
print(categoric);

输出结果如下：

NumericColumn [1, 2, 3]
CategoricColumn [a, b, c]

[610 μs]

数据帧实例化

DataFrame实例可以从字符串（CSV或JSON表示）、映射或列表中实例化。例如：

final df = """
  id,petal_length,petal_width,species
  1,1.4,0.2,setosa
  2,1.4,0.2,setosa
  3,1.3,0.2,setosa
  4,1.5,0.2,setosa
  51,4.7,1.4,versicolor
  52,4.5,1.5,versicolor
  53,4.9,1.5,versicolor
  54,4.0,1.3,versicolor
  101,6.0,2.5,virginica
  102,5.1,1.9,virginica
  103,5.9,2.1,virginica
  104,5.6,1.8,virginica
""".parseAsCsv();

print(df);

输出结果如下：

.---.------------.-----------.------------.
|id |petal_length|petal_width|species     |
:---+------------+-----------+------------:
|1  |1.4         |0.2        |setosa      |
|2  |1.4         |0.2        |setosa      |
|3  |1.3         |0.2        |setosa      |
|4  |1.5         |0.2        |setosa      |
|51 |4.7         |1.4        |versicolor  |
|52 |4.5         |1.5        |versicolor  |
|53 |4.9         |1.5        |versicolor  |
|54 |4.0         |1.3        |versicolor  |
|101|6.0         |2.5        |virginica   |
|102|5.1         |1.9        |virginica   |
|103|5.9         |2.1        |virginica   |
|104|5.6         |1.8        |virginica   |
'---'------------'-----------'------------'

[3729 μs]

数据帧实例化（其他方式）

final data = """
  {
    "a": [1, 2, 3],
    "b": ["red", "blue", "blue"]
  }
""".parseAsMapOfLists();

print(data);

输出结果如下：

.-.------.
|a|b     |
:-+------:
|1|red   |
|2|blue  |
|3|blue  |
'-'------'

[5097 μs]

final data = """
  [
    {"a": 1, "b": "red"},
    {"a": 2, "b": "blue"},
    {"a": 3, "b": "blue"}
  ]
""".parseAsListOfMaps();

print(data);

输出结果如下：

.-.------.
|a|b     |
:-+------:
|1|red   |
|2|blue  |
|3|blue  |
'-'------'

[4695 μs]

final data = {
  "a": [1, 2, 3],
  "b": ["red", "blue", "blue"]
}.toDataFrame();

print(data);

输出结果如下：

.-.------.
|a|b     |
:-+------:
|1|red   |
|2|blue  |
|3|blue  |
'-'------'

[3297 μs]

final data = [
  {"a": 1, "b": "red"},
  {"a": 2, "b": "blue"},
  {"a": 3, "b": "blue"},
].toDataFrame();

print(data);

输出结果如下：

.-.------.
|a|b     |
:-+------:
|1|red   |
|2|blue  |
|3|blue  |
'-'------'

[3067 μs]

操作

在以下示例中，数据帧iris、petals和sepals已从著名的iris数据集中创建。

使用with...方法

以withDataAdded、withColumns、withLeftJoin和withNumericFromFormula等方法为例，它们返回新的数据帧，因此可以方便地进行链式调用：

final focus = iris
    .withColumnsDropped([
      "sepal_length",
      "petal_length",
    ])
    .withNumeric(
        name: "sepal_width_z_scores",
        column: NumericColumn(
            iris.numericColumns["sepal_width"]!.zScores,
        ),
    )
    .withRowsSampled(
      10,
      withReplacement: true,
      seed: 0,
    );

print(focus);

输出结果如下：

.---.-----------.-----------.--------------------.------------.
|id |sepal_width|petal_width|sepal_width_z_scores|species     |
:---+-----------+-----------+--------------------+------------:
|106|3.0        |2.1        |-0.1319794793216258 |virginica   |
|60 |2.7        |1.4        |-0.8225697780975647 |versicolor  |
|65 |2.9        |1.3        |-0.36217624558027245|versicolor  |
|50 |3.3        |0.2        |0.5586108194543131  |setosa      |
|7  |3.4        |0.3        |0.7888075857129598  |setosa      |
|142|3.1        |2.3        |0.09821728693702086 |virginica   |
|45 |3.8        |0.4        |1.7095946507475455  |setosa      |
|32 |3.4        |0.4        |0.7888075857129598  |setosa      |
|92 |3.0        |1.4        |-0.1319794793216258 |versicolor  |
|120|2.2        |1.5        |-1.973553609390797  |virginica   |
'---'-----------'-----------'--------------------'------------'

[5571 μs]

变更

通过模板、公式和行变量访问来创建新列。

使用模板

模板是一个带有占位符的字符串，标记为列名。例如：

print(petals.withCategoricColumnFromTemplate(
  name: "id_code",
  template: "{species}-{id}"));

输出结果如下：

.---.------------.-----------.------------.---------------.
|id |petal_length|petal_width|species     |id_code        |
:---+------------+-----------+------------+---------------:
|1  |1.4         |0.2        |setosa      |setosa-1       |
|2  |1.4         |0.2        |setosa      |setosa-2       |
|3  |1.3         |0.2        |setosa      |setosa-3       |
|4  |1.5         |0.2        |setosa      |setosa-4       |
|51 |4.7         |1.4        |versicolor  |versicolor-51  |
|52 |4.5         |1.5        |versicolor  |versicolor-52  |
|53 |4.9         |1.5        |versicolor  |versicolor-53  |
|54 |4.0         |1.3        |versicolor  |versicolor-54  |
|101|6.0         |2.5        |virginica   |virginica-101  |
|102|5.1         |1.9        |virginica   |virginica-102  |
|103|5.9         |2.1        |virginica   |virginica-103  |
|104|5.6         |1.8        |virginica   |virginica-104  |
'---'------------'-----------'------------'---------------'

[4609 μs]

我们还可以从模板创建数值列：

print(petals.withNumericColumnFromTemplate(
  name: "species_letters",
  template: "{species}",
  generator: (result) => result.length,
));

输出结果如下：

.---.------------.-----------.---------------.------------.
|id |petal_length|petal_width|species_letters|species     |
:---+------------+-----------+---------------+------------:
|1  |1.4         |0.2        |6              |setosa      |
|2  |1.4         |0.2        |6              |setosa      |
|3  |1.3         |0.2        |6              |setosa      |
|4  |1.5         |0.2        |6              |setosa      |
|51 |4.7         |1.4        |10             |versicolor  |
|52 |4.5         |1.5        |10             |versicolor  |
|53 |4.9         |1.5        |10             |versicolor  |
|54 |4.0         |1.3        |10             |versicolor  |
|101|6.0         |2.5        |9              |virginica   |
|102|5.1         |1.9        |9              |virginica   |
|103|5.9         |2.1        |9              |virginica   |
|104|5.6         |1.8        |9              |virginica   |
'---'------------'-----------'---------------'------------'

[4542 μs]

使用公式

公式是一个数学表达式，使用数值列名称作为变量。（更多关于支持的数学表达式的详细信息，请参阅function-tree库。）

例如：

print(petals.withNumericColumnFromFormula(
  name: "log_petal_area",
  formula: "log(petal_length * petal_width)",
));

输出结果如下：

.---.------------.-----------.-------------------.------------.
|id |petal_length|petal_width|log_petal_area     |species     |
:---+------------+-----------+-------------------+------------:
|1  |1.4         |0.2        |-1.2729656758128876|setosa      |
|2  |1.4         |0.2        |-1.2729656758128876|setosa      |
|3  |1.3         |0.2        |-1.3470736479666092|setosa      |
|4  |1.5         |0.2        |-1.203972804325936 |setosa      |
|51 |4.7         |1.4        |1.884034745337226  |versicolor  |
|52 |4.5         |1.5        |1.9095425048844386 |versicolor  |
|53 |4.9         |1.5        |1.9947003132247454 |versicolor  |
|54 |4.0         |1.3        |1.6486586255873816 |versicolor  |
|101|6.0         |2.5        |2.70805020110221   |virginica   |
|102|5.1         |1.9        |2.2710944259026746 |virginica   |
|103|5.9         |2.1        |2.516889695641051  |virginica   |
|104|5.6         |1.8        |2.3105532626432224 |virginica   |
'---'------------'-----------'-------------------'------------'

[10118 μs]

我们还可以使用公式创建分类列：

print(petals.withCategoricColumnFromFormula(
  name: "description",
  formula: "petal_width / petal_length",
  generator: (result) => result < 0.3 ? "narrow" : "wide",
));

输出结果如下：

.---.------------.-----------.------------.-----------.
|id |petal_length|petal_width|species     |description|
:---+------------+-----------+------------+-----------:
|1  |1.4         |0.2        |setosa      |narrow     |
|2  |1.4         |0.2        |setosa      |narrow     |
|3  |1.3         |0.2        |setosa      |narrow     |
|4  |1.5         |0.2        |setosa      |narrow     |
|51 |4.7         |1.4        |versicolor  |narrow     |
|52 |4.5         |1.5        |versicolor  |wide       |
|53 |4.9         |1.5        |versicolor  |wide       |
|54 |4.0         |1.3        |versicolor  |wide       |
|101|6.0         |2.5        |virginica   |wide       |
|102|5.1         |1.9        |virginica   |wide       |
|103|5.9         |2.1        |virginica   |wide       |
|104|5.6         |1.8        |virginica   |wide       |
'---'------------'-----------'------------'-----------'

[5802 μs]

使用行变量

print(petals.withCategoricColumnFromRowValues(
  name: "code",
  generator: (numeric, categoric) {
    final pre = categoric["species"]!.substring(0, 3),
        area = (numeric["petal_length"]! * numeric["petal_width"]!)
            .toStringAsFixed(2)
            .padLeft(5, "0");
    return "$pre-$area";
  },
));

输出结果如下：

.---.------------.-----------.------------.-----------.
|id |petal_length|petal_width|species     |code       |
:---+------------+-----------+------------+-----------:
|1  |1.4         |0.2        |setosa      |set-00.28  |
|2  |1.4         |0.2        |setosa      |set-00.28  |
|3  |1.3         |0.2        |setosa      |set-00.26  |
|4  |1.5         |0.2        |setosa      |set-00.30  |
|51 |4.7         |1.4        |versicolor  |ver-06.58  |
|52 |4.5         |1.5        |versicolor  |ver-06.75  |
|53 |4.9         |1.5        |versicolor  |ver-07.35  |
|54 |4.0         |1.3        |versicolor  |ver-05.20  |
|101|6.0         |2.5        |virginica   |vir-15.00  |
|102|5.1         |1.9        |virginica   |vir-09.69  |
|103|5.9         |2.1        |virginica   |vir-12.39  |
|104|5.6         |1.8        |virginica   |vir-10.08  |
'---'------------'-----------'------------'-----------'

[3781 μs]

产品

我们可以将数据帧输出为几种文本表示形式，如Markdown、CSV和HTML：

print(petals.toMarkdown());

输出结果如下：

|id|petal_length|petal_width|species|
|:--|:--|:--|:--|
|1|1.4|0.2|setosa|
|2|1.4|0.2|setosa|
|3|1.3|0.2|setosa|
|4|1.5|0.2|setosa|
|51|4.7|1.4|versicolor|
|52|4.5|1.5|versicolor|
|53|4.9|1.5|versicolor|
|54|4.0|1.3|versicolor|
|101|6.0|2.5|virginica|
|102|5.1|1.9|virginica|
|103|5.9|2.1|virginica|
|104|5.6|1.8|virginica|

[2850 μs]

print(petals.toCsv());

输出结果如下：

id,petal_length,petal_width,species
1,1.4,0.2,"setosa"
2,1.4,0.2,"setosa"
3,1.3,0.2,"setosa"
4,1.5,0.2,"setosa"
51,4.7,1.4,"versicolor"
52,4.5,1.5,"versicolor"
53,4.9,1.5,"versicolor"
54,4.0,1.3,"versicolor"
101,6.0,2.5,"virginica"
102,5.1,1.9,"virginica"
103,5.9,2.1,"virginica"
104,5.6,1.8,"virginica"

[2052 μs]

print(petals.toHtml());

输出结果如下：

<div class="packhorse">
<table>
  <thead>
    <tr><th>id</th><th>petal_length</th><th>petal_width</th><th>species</th></tr>
  </thead>
  <tbody>
    <tr><td>1</td><td>1.4</td><td>0.2</td><td>setosa</td></tr>
    <tr><td>2</td><td>1.4</td><td>0.2</td><td>setosa</td></tr>
    <tr><td>3</td><td>1.3</td><td>0.2</td><td>setosa</td></tr>
    <tr><td>4</td><td>1.5</td><td>0.2</td><td>setosa</td></tr>
    <tr><td>51</td><td>4.7</td><td>1.4</td><td>versicolor</td></tr>
    <tr><td>52</td><td>4.5</td><td>1.5</td><td>versicolor</td></tr>
    <tr><td>53</td><td>4.9</td><td>1.5</td><td>versicolor</td></tr>
    <tr><td>54</td><td>4.0</td><td>1.3</td><td>versicolor</td></tr>
    <tr><td>101</td><td>6.0</td><td>2.5</td><td>virginica</td></tr>
    <tr><td>102</td><td>5.1</td><td>1.9</td><td>virginica</td></tr>
    <tr><td>103</td><td>5.9</td><td>2.1</td><td>virginica</td></tr>
    <tr><td>104</td><td>5.6</td><td>1.8</td><td>virginica</td></tr>
  </tbody>
</table>
</div>

[2702 μs]

print(sepals.withHead(2).toJsonAsMapOfLists());

输出结果如下：

{"id":["3","4"],"sepal_length":["4.7","4.6"],"sepal_width":["3.2","3.1"]}

[2779 μs]

添加数据

我们可以垂直合并两个具有相同列的数据帧。

final headAndTail = iris.withHead(5).withRowsAdded(iris.withTail(5));
print(headAndTail);

输出结果如下：

.---.------------.-----------.------------.-----------.-----------.
|id |sepal_length|sepal_width|petal_length|petal_width|species    |
:---+------------+-----------+------------+-----------+-----------:
|1  |5.1         |3.5        |1.4         |0.2        |setosa     |
|2  |4.9         |3.0        |1.4         |0.2        |setosa     |
|3  |4.7         |3.2        |1.3         |0.2        |setosa     |
|4  |4.6         |3.1        |1.5         |0.2        |setosa     |
|5  |5.0         |3.6        |1.4         |0.3        |setosa     |
|146|6.7         |3.0        |5.2         |2.3        |virginica  |
|147|6.3         |2.5        |5.0         |1.9        |virginica  |
|148|6.5         |3.0        |5.2         |2.0        |virginica  |
|149|6.2         |3.4        |5.4         |2.3        |virginica  |
|150|5.9         |3.0        |5.1         |1.8        |virginica  |
'---'------------'-----------'------------'-----------'-----------'

[4059 μs]

连接

数据帧支持连接操作：

print("Left (petals sample):");
print(petals);

print("\nRight (sepals sample):");
print(sepals);

print("\nLeft-join:");
print(petals.withLeftJoinOn(sepals, pivot: "id"));

print("\nLeft-outer-join:");
print(petals.withLeftOuterJoinOn(sepals, pivot: "id"));

print("\nRight-join:");
print(petals.withRightJoinOn(sepals, pivot: "id"));

print("\nRight-outer-join:");
print(petals.withRightOuterJoinOn(sepals, pivot: "id"));

print("\nFull-join:");
print(petals.withFullJoinOn(sepals, pivot: "id"));

print("\nInner-join:");
print(petals.withInnerJoinOn(sepals, pivot: "id"));

print("\nOuter-join:");
print(petals.withOuterJoinOn(sepals, pivot: "id"));

输出结果如下：


更多关于Flutter插件packhorse的使用方法的实战教程也可以访问 https://www.itying.com/category-92-b0.html

1 回复

更多关于Flutter插件packhorse的使用方法的实战系列教程也可以访问 https://www.itying.com/category-92-b0.html


packhorse 是一个 Flutter 插件，尽管它不是 Flutter 官方核心库的一部分，但它的名称暗示了它可能与“打包”或“负载处理”有关。以下是关于 packhorse 插件的一些潜在使用场景和功能的推测，以及如何在 Flutter 项目中利用它的建议。

1. 数据打包与解包

  • 用途: packhorse 可能用于将复杂的数据结构（如 JSON、Protobuf 或其他二进制格式）打包成更小的、网络传输友好的格式，或者在接收端解包数据。
  • 示例:
    // 假设 packhorse 提供数据打包功能
var packedData = Packhorse.pack(jsonData);
var unpackedData = Packhorse.unpack(packedData);
  • 场景: 在需要高效传输数据的应用中，例如聊天应用、实时数据同步等。

2. 文件压缩与解压缩

  • 用途: packhorse 可能提供文件压缩功能，支持将多个文件或文件夹打包成单个压缩文件（如 ZIP 或 TAR），或者在需要时解压缩。
  • 示例:
    // 压缩文件
Packhorse.compressFiles(['file1.txt', 'file2.jpg'], 'archive.zip');

// 解压缩文件
Packhorse.decompressFile('archive.zip', 'output_directory');
  • 场景: 在需要处理大量文件的应用中，例如文件管理器、备份工具等。

3. 资源管理与优化

  • 用途: packhorse 可能用于优化应用资源（如图片、音频、视频）的加载和传输，减少包体积或网络带宽消耗。
  • 示例:
    // 优化图片资源
var optimizedImage = Packhorse.optimizeImage('large_image.png');
  • 场景: 在资源密集型应用中，例如图片编辑器、视频播放器等。

4. 网络请求优化

  • 用途: packhorse 可能用于优化网络请求，例如将多个小请求合并为一个请求，或者将大请求分割为多个小请求。
  • 示例:
    // 合并多个网络请求
var combinedResponse = Packhorse.combineRequests([request1, request2]);
  • 场景: 在需要高效处理网络请求的应用中，例如电商、社交应用等。

5. 代码与资源加密

  • 用途: packhorse 可能提供加密功能，用于保护敏感数据或应用资源。
  • 示例:
    // 加密数据
var encryptedData = Packhorse.encryptData('sensitive_data', 'password');

// 解密数据
var decryptedData = Packhorse.decryptData(encryptedData, 'password');
  • 场景: 在需要保护用户隐私或应用安全的应用中，例如金融、健康类应用。

6. 插件与依赖管理

  • 用途: packhorse 可能用于管理 Flutter 插件或依赖项，帮助开发者更轻松地集成和维护第三方库。
  • 示例:
    // 安装插件
Packhorse.installPlugin('flutter_plugin_name');

// 卸载插件
Packhorse.uninstallPlugin('flutter_plugin_name');
  • 场景: 在需要频繁更新或管理插件的复杂项目中。

7. 跨平台支持

  • 用途: packhorse 可能提供跨平台支持，简化在不同平台（如 iOS、Android、Web）上的开发和部署。
  • 示例:
    // 检查当前平台
var platform = Packhorse.getPlatform();

// 执行平台特定逻辑
if (platform == 'iOS') {
  // iOS 代码
} else if (platform == 'Android') {
  // Android 代码
}
  • 场景: 在需要支持多平台的应用中。

如何开始使用 packhorse？

  1. 安装插件: 在 pubspec.yaml 中添加依赖：
    dependencies:
  packhorse: ^latest_version
回到顶部