🎨 Auto-format code with pre-commit

Author: actions-user

dingo/config/__init__.py

@@ -1,2 +1,2 @@
-from dingo.config.input_args import (DatasetArgs, DatasetCsvArgs, DatasetExcelArgs, DatasetFieldArgs, DatasetHFConfigArgs, DatasetParquetArgs, DatasetS3ConfigArgs, DatasetSqlArgs, EvalPipline,  # noqa E402.
-                                     EvalPiplineConfig, EvaluatorLLMArgs, EvaluatorRuleArgs, ExecutorArgs, ExecutorResultSaveArgs, InputArgs)
+from dingo.config.input_args import (DatasetArgs, DatasetCsvArgs, DatasetExcelArgs, DatasetFieldArgs, DatasetHFConfigArgs, DatasetParquetArgs, DatasetS3ConfigArgs, DatasetSqlArgs,  # noqa E402.
+                                     EvalPipline, EvalPiplineConfig, EvaluatorLLMArgs, EvaluatorRuleArgs, ExecutorArgs, ExecutorResultSaveArgs, InputArgs)

docs/dataset/parquet.md

@@ -6,12 +6,12 @@ Dingo 现已支持 Parquet 文件的流式读取，提供高效的列式数据
 
 ## 主要特性
 
-✅ **流式读取** - 使用 PyArrow 引擎，分批次处理，适合大文件  
-✅ **列式存储** - 支持只读取指定列，大幅减少内存占用  
-✅ **高性能** - 基于 Apache Arrow，读取速度快  
-✅ **批次控制** - 可自定义批次大小，平衡性能和内存  
-✅ **类型丰富** - 支持多种数据类型（int、float、bool、string、None 等）  
-✅ **压缩支持** - 支持 Snappy、Gzip、LZ4 等压缩格式  
+✅ **流式读取** - 使用 PyArrow 引擎，分批次处理，适合大文件
+✅ **列式存储** - 支持只读取指定列，大幅减少内存占用
+✅ **高性能** - 基于 Apache Arrow，读取速度快
+✅ **批次控制** - 可自定义批次大小，平衡性能和内存
+✅ **类型丰富** - 支持多种数据类型（int、float、bool、string、None 等）
+✅ **压缩支持** - 支持 Snappy、Gzip、LZ4 等压缩格式
 
 ## 配置参数
 
@@ -132,7 +132,7 @@ Dingo 读取 Parquet 文件后，会将每行数据转换为 JSON 格式：
 只从磁盘读取：
   列 id:   [1, 2]
   列 name: [张三, 李四]
-  
+
 跳过读取：age、city 列（节省 I/O 和内存）
 ```
 
@@ -292,7 +292,7 @@ pip install pyarrow
 ```
 ImportError: No module named 'pyarrow'
 ```
-**解决方案：** 
+**解决方案：**
 ```bash
 pip install pyarrow
 ```
@@ -420,4 +420,3 @@ input_data = {
 - [Excel 读取文档](excel.md)
 - [数据集配置文档](../config.md)
 - [评估器配置文档](../rules.md)
-

examples/dataset/example_parquet.py

@@ -38,4 +38,3 @@
     executor = Executor.exec_map["local"](input_args)
     result = executor.execute()
     print(result)
-

test/scripts/dataset/test_parquet_dataset.py

@@ -44,8 +44,8 @@ def create_test_parquet_file(file_path: str, num_rows: int = 100):
 def create_test_parquet_with_special_types(file_path: str):
     """创建包含特殊类型的测试 Parquet 文件"""
     try:
-        import pandas as pd
         import numpy as np
+        import pandas as pd
     except ImportError:
         print("⚠ pandas 或 numpy 未安装")
         return False
@@ -506,4 +506,3 @@ def test_parquet_comprehensive():
     print("║" + " " * 18 + "所有测试完成!" + " " * 23 + "║")
     print("╚" + "═" * 58 + "╝")
     print("\n")
-