如何编写Dart函数汇总API状态数据并映射到目标Map？

步骤拆解 #

把需求拆成三个核心模块，逐个实现后整合：

1. 处理单个数据项，计算各目标分类的占比映射值
2. 遍历所有API返回数据，逐个处理并更新目标Map
3. 兼容边界情况（如states: null、总和为0等）

完整实现代码 #

void main() {
  // 初始化目标Map
  final Map<String, List<int>> states = {
    "Anxiety": [],
    "Stress": [],
    "Involvement": [],
    "Relaxation": [],
    "Fatigue": [],
  };

  // API返回的原始数据
  final List<Map<String, dynamic>> data = [
    {
      "id": 1,
      "states": {
        "Anxiety": 2,
        "Stress": 1,
        "Chronic Fatigue": 1,
      },
    },
    {
      "id": 2,
      "states": {
        "Stress": 1,
        "Fatigue": 1,
        "Involvement": 1,
        "Slight Fatigue": 2,
        "Anxiety": 5,
        "Relaxation": 2,
        "Chronic Fatigue": 3,
      },
    },
    {
      "id": 3,
      "states": null, // 测试边界：states为null的情况
    },
  ];

  // 定义Fatigue相关的所有子分类
  const fatigueSubtypes = ["Fatigue", "Slight Fatigue", "Chronic Fatigue"];
  // 目标分类列表
  const targetCategories = ["Anxiety", "Stress", "Involvement", "Relaxation", "Fatigue"];

  // 处理单个数据项，返回各分类对应的映射值
  Map<String, int> processItem(Map<String, dynamic>? itemStates) {
    final result = {
      "Anxiety": 0,
      "Stress": 0,
      "Involvement": 0,
      "Relaxation": 0,
      "Fatigue": 0,
    };

    if (itemStates == null) return result;

    // 计算当前项的states数值总和
    int total = itemStates.values.fold(0, (sum, value) => sum + (value as int));
    if (total == 0) return result; // 避免除以0的异常

    // 汇总Fatigue类的总数值
    int fatigueTotal = 0;
    for (final subtype in fatigueSubtypes) {
      fatigueTotal += itemStates[subtype] ?? 0;
    }

    // 计算Fatigue的占比并映射数值
    final fatigueRatio = fatigueTotal / total;
    result["Fatigue"] = _mapRatioToValue(fatigueRatio);

    // 处理其他分类的占比映射
    for (final category in targetCategories) {
      if (category == "Fatigue") continue;
      final value = itemStates[category] ?? 0;
      final ratio = value / total;
      result[category] = _mapRatioToValue(ratio);
    }

    return result;
  }

  // 将占比转换为0-3的对应数值
  int _mapRatioToValue(double ratio) {
    if (ratio >= 0.5) return 3;
    if (ratio >= 0.25) return 2;
    if (ratio > 0) return 1;
    return 0;
  }

  // 遍历所有数据项，更新目标Map的数组
  for (final item in data) {
    final itemResult = processItem(item["states"]);
    for (final category in targetCategories) {
      states[category]!.add(itemResult[category]!);
    }
  }

  // 打印验证结果
  print(states);
}

代码说明 #

1. 常量抽离：把Fatigue子分类和目标分类定义为常量，后续修改分类时只需改动此处，无需调整核心逻辑。
2. 单数据项处理：processItem函数单独负责单个数据的计算，包括空值处理、总和计算、占比映射，逻辑独立清晰。
3. 占比映射函数：_mapRatioToValue单独抽离规则，后续修改映射标准（如调整阈值）时直接修改该函数即可。
4. 边界兼容：处理了states: null和总和为0的情况，避免运行时异常。

内容的提问来源于stack exchange，提问作者newbiras