funcguard 0.2.42__tar.gz → 0.2.44__tar.gz

{funcguard-0.2.42 → funcguard-0.2.44}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: funcguard
-Version: 0.2.42
+Version: 0.2.44
 Summary: FuncGuard是一个Python库，提供函数执行超时控制、重试机制、HTTP请求封装和格式化打印工具。
 Home-page: https://github.com/tinycen/funcguard
 Author: tinycen
@@ -34,7 +34,7 @@ FuncGuard是一个Python库，提供了函数执行超时控制和重试机制
 
 | 分类 | 功能描述 | 文档 |
 |------|----------|------|
-| **核心功能** | 函数执行超时控制、函数执行失败自动重试 | - |
+| **核心功能** | 函数执行超时控制、函数执行失败自动重试、交互式选择菜单 | - |
 | **网络请求** | HTTP请求封装（支持自动重试）、MD5哈希、Basic Auth编码 | [查看](./docs/network.md) |
 | **时间工具** | 时间日志记录、耗时统计、执行时间监控和警告、时间等待（带倒计时） | [查看](./docs/time_utils.md) |
 | **打印工具** | 格式化分隔线、块打印、标题打印、进度条显示 | - |
@@ -95,6 +95,41 @@ except Exception as e:
     print(f"重试后仍然失败: {e}")
 ```
 
+### 交互式选择菜单
+
+使用 `ask_select` 函数创建一个带数字编号的交互式选择菜单，支持超时自动选择：
+
+```python
+from funcguard import ask_select
+
+# 基础用法 - 选择属性填写模式
+result = ask_select(
+    options={True: "需要填写属性", False: "不需要填写属性", "all": "不限制"},
+    default_key="all",
+    prompt="请选择属性填写模式",
+    timeout=5
+)
+print(f"用户选择: {result}")  # 返回 True, False 或 "all"
+
+# 选择部署环境
+env = ask_select(
+    options={"dev": "开发环境", "test": "测试环境", "prod": "生产环境"},
+    default_key="dev",
+    prompt="请选择部署环境",
+    timeout=3
+)
+print(f"当前环境: {env}")
+
+# 选择数量（使用整数作为键）
+count = ask_select(
+    options={10: "10条", 50: "50条", 100: "100条"},
+    default_key=50,
+    prompt="查询数量",
+    timeout=5
+)
+print(f"查询 {count} 条数据")
+```
+
 ### HTTP请求
 
 FuncGuard 提供了强大的 HTTP 请求功能，支持自动重试、请求日志记录、以及 curl_cffi 兜底（用于绕过反爬虫检测）。详细文档请参考 [network.md](docs/network.md)。
@@ -496,6 +531,7 @@ print(f"当前价格: {current_price}, 变化: {price_change}")  # 输出: 当
 |-----------|----------|
 | `timeout_handler` | 函数执行超时控制 |
 | `retry_function` | 函数执行失败自动重试 |
+| `ask_select` | 交互式数字选择菜单（支持超时自动选择） |
 
 ### 网络请求
 
@@ -542,7 +578,7 @@ print(f"当前价格: {current_price}, 变化: {price_change}")  # 输出: 当
 | 函数/类名 | 功能说明 | 文档 |
 |-----------|----------|------|
 | `pd_fill_na` / `pd_fill_nat` | 数据填充 | [查看](docs/pandas/fill.md) |
-| `pd_convert_columns` / `pd_convert_decimal` / `pd_convert_numeric_series` / `pd_convert_str_datetime` / `pd_convert_datetime_str` | 类型转换 | [查看](docs/pandas/convert.md) |
+| `pd_convert_columns` / `pd_convert_decimal` / `pd_convert_numeric_series` / `pd_convert_str_datetime` / `pd_convert_datetime_str` / `pd_convert_series` | 类型转换 | [查看](docs/pandas/convert.md) |
 | `pd_load_json` | JSON解析 | [查看](docs/pandas/json.md) |
 | `pd_filter` | 数据筛选 | [查看](docs/pandas/filter.md) |
 | `pd_count` / `pd_value_counts` | 条件计数统计 | [查看](docs/pandas/count.md) |

{funcguard-0.2.42 → funcguard-0.2.44}/README.md

@@ -7,7 +7,7 @@ FuncGuard是一个Python库，提供了函数执行超时控制和重试机制
 
 | 分类 | 功能描述 | 文档 |
 |------|----------|------|
-| **核心功能** | 函数执行超时控制、函数执行失败自动重试 | - |
+| **核心功能** | 函数执行超时控制、函数执行失败自动重试、交互式选择菜单 | - |
 | **网络请求** | HTTP请求封装（支持自动重试）、MD5哈希、Basic Auth编码 | [查看](./docs/network.md) |
 | **时间工具** | 时间日志记录、耗时统计、执行时间监控和警告、时间等待（带倒计时） | [查看](./docs/time_utils.md) |
 | **打印工具** | 格式化分隔线、块打印、标题打印、进度条显示 | - |
@@ -68,6 +68,41 @@ except Exception as e:
     print(f"重试后仍然失败: {e}")
 ```
 
+### 交互式选择菜单
+
+使用 `ask_select` 函数创建一个带数字编号的交互式选择菜单，支持超时自动选择：
+
+```python
+from funcguard import ask_select
+
+# 基础用法 - 选择属性填写模式
+result = ask_select(
+    options={True: "需要填写属性", False: "不需要填写属性", "all": "不限制"},
+    default_key="all",
+    prompt="请选择属性填写模式",
+    timeout=5
+)
+print(f"用户选择: {result}")  # 返回 True, False 或 "all"
+
+# 选择部署环境
+env = ask_select(
+    options={"dev": "开发环境", "test": "测试环境", "prod": "生产环境"},
+    default_key="dev",
+    prompt="请选择部署环境",
+    timeout=3
+)
+print(f"当前环境: {env}")
+
+# 选择数量（使用整数作为键）
+count = ask_select(
+    options={10: "10条", 50: "50条", 100: "100条"},
+    default_key=50,
+    prompt="查询数量",
+    timeout=5
+)
+print(f"查询 {count} 条数据")
+```
+
 ### HTTP请求
 
 FuncGuard 提供了强大的 HTTP 请求功能，支持自动重试、请求日志记录、以及 curl_cffi 兜底（用于绕过反爬虫检测）。详细文档请参考 [network.md](docs/network.md)。
@@ -469,6 +504,7 @@ print(f"当前价格: {current_price}, 变化: {price_change}")  # 输出: 当
 |-----------|----------|
 | `timeout_handler` | 函数执行超时控制 |
 | `retry_function` | 函数执行失败自动重试 |
+| `ask_select` | 交互式数字选择菜单（支持超时自动选择） |
 
 ### 网络请求
 
@@ -515,7 +551,7 @@ print(f"当前价格: {current_price}, 变化: {price_change}")  # 输出: 当
 | 函数/类名 | 功能说明 | 文档 |
 |-----------|----------|------|
 | `pd_fill_na` / `pd_fill_nat` | 数据填充 | [查看](docs/pandas/fill.md) |
-| `pd_convert_columns` / `pd_convert_decimal` / `pd_convert_numeric_series` / `pd_convert_str_datetime` / `pd_convert_datetime_str` | 类型转换 | [查看](docs/pandas/convert.md) |
+| `pd_convert_columns` / `pd_convert_decimal` / `pd_convert_numeric_series` / `pd_convert_str_datetime` / `pd_convert_datetime_str` / `pd_convert_series` | 类型转换 | [查看](docs/pandas/convert.md) |
 | `pd_load_json` | JSON解析 | [查看](docs/pandas/json.md) |
 | `pd_filter` | 数据筛选 | [查看](docs/pandas/filter.md) |
 | `pd_count` / `pd_value_counts` | 条件计数统计 | [查看](docs/pandas/count.md) |

{funcguard-0.2.42 → funcguard-0.2.44}/funcguard/__init__.py

@@ -1,4 +1,4 @@
-from .core import timeout_handler, retry_function
+from .core import timeout_handler, retry_function, ask_select
 from .tools import send_request, curl_cffi_request, check_url_valid, encode_basic_auth, md5_hash
 from .time_utils import (
     time_log, time_diff, time_monitor, time_wait, color_logger,
@@ -14,7 +14,8 @@ from .pd_utils import (
     round_columns as pd_round_columns,
     cal_date_diff as pd_cal_date_diff,
 
-    # 数据类型转换类
+    # 数据转换类
+    convert_series as pd_convert_series,
     convert_columns as pd_convert_columns,
     convert_decimal as pd_convert_decimal,
     convert_numeric_series as pd_convert_numeric_series,
@@ -49,6 +50,7 @@ __all__ = [
     # 核心功能
     "timeout_handler",
     "retry_function",
+    "ask_select",
 
     # 网络请求工具
     "md5_hash",
@@ -86,7 +88,8 @@ __all__ = [
     "pd_fill_nat",
     "pd_round_columns",
 
-    # 数据类型转换类
+    # 数据转换类
+    "pd_convert_series",
     "pd_cal_date_diff",
     "pd_convert_columns",
     "pd_convert_decimal",

{funcguard-0.2.42 → funcguard-0.2.44}/funcguard/core.py

@@ -1,15 +1,18 @@
+import time
+import sys
+from concurrent.futures import ThreadPoolExecutor , TimeoutError
+
+
 class FuncguardTimeoutError(Exception):
     """
     funcguard库专用的超时异常类。
-    
+
     为了避免与concurrent.futures.TimeoutError和Python内置TimeoutError的命名冲突，
     特定义此异常类来明确表示这是funcguard库抛出的函数执行超时异常。
     这样用户可以清晰地区分异常来源，并进行针对性的异常处理。
     """
     pass
 
-import time
-from concurrent.futures import ThreadPoolExecutor , TimeoutError
 
 # 计算函数运行时间
 def timeout_handler( func, args = (), kwargs = None, execution_timeout = 90 ):
@@ -86,3 +89,86 @@ def retry_function( func , max_retries = 5 , execute_timeout = 90 , task_name =
     if last_exception:
         raise last_exception  # 重新抛出最后一个异常
     return None
+
+
+# 交互式选择菜单
+def ask_select(
+    options: dict,
+    default_key = None,
+    prompt: str = "请选择",
+    timeout: int = 5,
+):
+    """
+    显示一个数字选择菜单，接受用户输入，超时自动返回默认值。
+
+    参数:
+        options: 字典，键为选项标识（任意类型），值为显示文本
+                 例如: {True: "需要填写属性", False: "不需要填写属性", "all": "不限制"}
+        default_key: 超时或输入无效时的默认返回值，若为None则使用最后一个选项的键
+        prompt: 提示语前缀
+        timeout: 超时时间（秒），默认5秒
+
+    返回:
+        用户选择的选项键（options中的某个键），或default_key
+
+    示例:
+        >>> result = ask_select(
+        ...     {True: "需要填写属性", False: "不需要填写属性", "all": "不限制"},
+        ...     default_key="all",
+        ...     prompt="请选择属性填写模式",
+        ...     timeout=5,
+        ... )
+    """
+    # 确保选项非空
+    if not options:
+        raise ValueError("options字典不能为空")
+
+    # 设置默认值
+    if default_key is None:
+        default_key = list(options.keys())[-1]
+
+    # 构建选项列表（保持字典顺序）
+    items = list(options.items())
+
+    # 显示选项
+    option_lines = ", ".join([f"{i+1}-{label}" for i, (_, label) in enumerate(items)])
+    default_label = options.get(default_key, default_key)
+    print(f"{prompt} ({option_lines})，{timeout} 秒后自动选择[{default_label}]: ", end="", flush=True)
+
+    # 使用线程实现跨平台超时输入
+    from threading import Thread
+    from queue import Queue, Empty
+
+    result_queue = Queue()
+
+    def input_thread():
+        try:
+            user_input = input().strip()
+            result_queue.put(user_input)
+        except EOFError:
+            result_queue.put(None)
+
+    thread = Thread(target=input_thread, daemon=True)
+    thread.start()
+    thread.join(timeout)
+
+    try:
+        user_input = result_queue.get_nowait()
+    except Empty:
+        user_input = None
+
+    if user_input is None:
+        print(f"\n超时，自动选择[{default_label}]")
+        return default_key
+
+    # 验证输入
+    try:
+        choice = int(user_input)
+        if 1 <= choice <= len(items):
+            return items[choice - 1][0]
+    except ValueError:
+        pass
+
+    # 输入无效，返回默认值
+    print(f"输入无效，使用默认选项[{default_label}]")
+    return default_key

{funcguard-0.2.42 → funcguard-0.2.44}/funcguard/pd_utils/__init__.py

@@ -2,6 +2,7 @@ import pandas as pd
 from .fill_round import fill_na, round_columns
 from .date_utils import fill_nat, cal_date_diff
 from .convert_utils import (
+    convert_series,
     convert_columns, 
     convert_decimal, 
     convert_numeric_series, 
@@ -31,7 +32,8 @@ __all__ = [
 	'round_columns',
     'cal_date_diff',
 
-	# 数据类型转换类
+	# 数据转换类
+    'convert_series',
 	'convert_columns',
 	'convert_decimal',
     'convert_numeric_series',

{funcguard-0.2.42 → funcguard-0.2.44}/funcguard/pd_utils/convert_utils.py

@@ -1,6 +1,6 @@
 import pandas as pd
 from decimal import Decimal
-from typing import Union, List, Dict, Any, Optional
+from typing import Union, List, Dict, Any, Optional, Literal
 from pandas import (
     Int64Dtype,
     Float64Dtype,
@@ -10,6 +10,47 @@ from pandas import (
 from .json_utils import json_loads
 
 
+def convert_series(
+    data: pd.Series,
+    return_type: Literal["dict", "df", "series"] = "dict"
+) -> Union[Dict[Any, Union[int, float]], pd.DataFrame, pd.Series]:
+    """
+    将 pandas Series 格式化为指定的返回类型。
+
+    参数：
+    - data (pd.Series)：输入的 pandas Series 数据。
+    - return_type (str)：返回类型，支持：
+        - "dict"：返回字典（默认）。
+        - "df"：返回 DataFrame。
+        - "series"：返回 pandas Series。
+
+    返回：
+    - Union[Dict[Any, Union[int, float]], pd.DataFrame, pd.Series]：
+        根据 return_type 返回格式化后的结果。
+
+    示例：
+        >>> series = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
+        >>> convert_series(series, "dict")
+        {'a': 1, 'b': 2, 'c': 3}
+        >>> convert_series(series, "df")
+           0
+        a  1
+        b  2
+        c  3
+        >>> convert_series(series, "series")
+        a    1
+        b    2
+        c    3
+        dtype: int64
+    """
+
+    if return_type == "dict":
+        return data.to_dict()
+    elif return_type == "df":
+        return data.to_frame()
+    else:  # "series"
+        return data
+
 
 # 数据类型映射常量
 TYPE_MAPPING = {

{funcguard-0.2.42 → funcguard-0.2.44}/funcguard/pd_utils/statistics/agg_utils.py

@@ -1,4 +1,3 @@
-
 """
 聚合(aggregation)操作工具模块。
 
@@ -7,8 +6,9 @@ sum、mean、max、min、count、median、std、var等聚合计算。
 """
 
 import pandas as pd
-from typing import Any, Dict, Optional, Union, List, Tuple
+from typing import Any, Dict, Optional, Union, List, Tuple, Literal
 from .mask_utils import build_single_mask, build_base_mask
+from ..convert_utils import convert_series
 
 
 def group_agg(
@@ -21,8 +21,8 @@ def group_agg(
     logic: str = "and",
     true_mask: Optional[pd.Series] = None,
     false_mask: Optional[pd.Series] = None,
-    to_dict: bool = True
-) -> Dict[Any, Union[int, float]]:
+    return_type: Literal["dict", "df", "series"] = "dict"
+) -> Union[Dict[Any, Union[int, float]], pd.DataFrame, pd.Series]:
     """
     按指定列分组，对另一列进行聚合统计。
 
@@ -39,10 +39,11 @@ def group_agg(
     - logic (str)：逻辑操作类型，"and" 或 "or"，默认为 "and"。
     - true_mask (pd.Series)：初始True掩码，默认为None。
     - false_mask (pd.Series)：初始False掩码，默认为None。
-    - to_dict (bool)：是否将结果转换为字典，默认为True。
+    - return_type (str)：返回类型，支持 "dict"（字典）、"df"（DataFrame）和 "series"（Series），
+        默认为 "dict"。
 
     返回：
-    - Dict[Any, Union[int, float]]：以分组值为键，聚合结果为值的字典。
+    - Union[Dict[Any, Union[int, float]], pd.Series]：以分组值为键，聚合结果为值的字典或Series。
 
     示例：
         >>> group_agg(df, "category", "amount", "sum")
@@ -80,9 +81,6 @@ def group_agg(
         result_series = result_series.sort_values(ascending=True)
     elif sort == "desc":
         result_series = result_series.sort_values(ascending=False)
-    
-    # 转换为字典返回
-    if to_dict:
-        return result_series.to_dict()
-    else:
-        return result_series
+
+    # 格式化并返回结果
+    return convert_series(result_series, return_type)

{funcguard-0.2.42 → funcguard-0.2.44}/funcguard/pd_utils/statistics/count_utils.py

@@ -1,6 +1,7 @@
 import pandas as pd
-from typing import List, Tuple, Union, Optional, Dict, Any, Mapping
+from typing import List, Tuple, Union, Optional, Dict, Any, Mapping, Literal
 from .mask_utils import build_single_mask, build_base_mask
+from ..convert_utils import convert_series
 
 
 def value_counts(
@@ -13,8 +14,8 @@ def value_counts(
     logic: str = "and",
     true_mask: Optional[pd.Series] = None,
     false_mask: Optional[pd.Series] = None,
-    to_dict: bool = True
-) -> Mapping[Any, Union[int, float]]:
+    return_type: Literal["dict", "df", "series"] = "dict"
+) -> Union[Mapping[Any, Union[int, float]], pd.DataFrame, pd.Series]:
     """
     统计DataFrame指定列中不同值的计数数据。
 
@@ -30,10 +31,11 @@ def value_counts(
     - logic (str)：逻辑操作类型，"and" 或 "or"，默认为 "and"。
     - true_mask (pd.Series)：初始True掩码，默认为None。
     - false_mask (pd.Series)：初始False掩码，默认为None。
-    - to_dict (bool)：是否将结果转换为字典，默认为True。
+    - return_type (str)：返回类型，支持 "dict"（字典）、"df"（DataFrame）和 "series"（Series），
+        默认为 "dict"。
 
     返回：
-    - Mapping[Any, Union[int, float]]：以值为键，计数/百分比为值的字典。
+    - Union[Mapping[Any, Union[int, float]], pd.Series]：以值为键，计数/百分比为值的字典或Series。
 
     示例：
         >>> value_counts(df, "status")
@@ -76,11 +78,8 @@ def value_counts(
         dropna=dropna
     )
 
-    # 转换为字典返回
-    if to_dict:
-        return result_series.to_dict()
-    else:
-        return result_series
+    # 格式化并返回结果
+    return convert_series(result_series, return_type)
 
 
 def count(

{funcguard-0.2.42 → funcguard-0.2.44}/funcguard/pd_utils/statistics/df_statistics.py

@@ -1,5 +1,5 @@
 import pandas as pd
-from typing import  Any, Dict, List, Tuple, Union, Optional, Mapping
+from typing import  Any, Dict, List, Tuple, Union, Optional, Mapping, Literal
 from .mask_utils import build_single_mask as _original_build_single_mask, build_base_mask as _original_build_base_mask, combine_masks
 from .count_utils import count as _original_count, value_counts as _original_value_counts
 from .agg_utils import group_agg as _original_group_agg
@@ -43,8 +43,8 @@ class DataFrameStatistics:
         self._false_mask = pd.Series([False] * self._length, index=self._index)
 
 
-    def build_base_mask(self, conditions: List[Tuple], logic: str = "and", 
-                       true_mask: Optional[pd.Series] = None, 
+    def build_base_mask(self, conditions: List[Tuple], logic: str = "and",
+                       true_mask: Optional[pd.Series] = None,
                        false_mask: Optional[pd.Series] = None) -> pd.Series:
         """
         构建基础查询条件掩码，自动使用内部掩码参数
@@ -54,7 +54,7 @@ class DataFrameStatistics:
         - logic (str)：逻辑操作类型，"and" 或 "or"，默认为 "and"
         - true_mask (pd.Series)：初始True掩码，默认为None（使用内部缓存）
         - false_mask (pd.Series)：初始False掩码，默认为None（使用内部缓存）
-        
+
         返回：
         - pd.Series：布尔掩码，True表示符合条件的行
         """
@@ -69,10 +69,10 @@ class DataFrameStatistics:
     def build_single_mask(self, condition: Tuple) -> pd.Series:
         """
         构建单个掩码，用于简单条件判断，自动使用内部DataFrame
-        
+
         参数：
         - condition (Tuple)：条件元组，包含(列名, 运算符, 值)
-        
+
         返回：
         - pd.Series：布尔掩码，True表示符合条件的行
             **注意**：此Series是通过原生pandas表达式(df[col] > value)直接返回，
@@ -114,8 +114,8 @@ class DataFrameStatistics:
         logic: str = "and",
         true_mask: Optional[pd.Series] = None,
         false_mask: Optional[pd.Series] = None,
-        to_dict: bool = True
-    ) -> Mapping[Any, Union[int, float]]:
+        return_type: Literal["dict", "df", "series"] = "dict"
+    ) -> Union[Mapping[Any, Union[int, float]], pd.DataFrame, pd.Series]:
         """
         统计指定列中不同值的计数数据，自动使用内部掩码参数
 
@@ -129,11 +129,11 @@ class DataFrameStatistics:
         - logic (str)：逻辑操作类型，"and" 或 "or"，默认为 "and"
         - true_mask (pd.Series)：初始True掩码，默认为None（使用内部缓存）
         - false_mask (pd.Series)：初始False掩码，默认为None（使用内部缓存）
-        - to_dict (bool)：是否将结果转换为字典，默认为True。
+        - return_type (str)：返回类型，支持 "dict"（字典）、"df"（DataFrame）和 "series"（Series），
+            默认为 "dict"。
 
-        
         返回：
-        - Mapping[Any, Union[int, float]]：以值为键，计数/百分比为值的字典
+        - Union[Mapping[Any, Union[int, float]], pd.DataFrame, pd.Series]：以值为键，计数/百分比为值的字典、DataFrame或Series
 
         示例：
             >>> stats.value_counts("status")
@@ -154,7 +154,7 @@ class DataFrameStatistics:
             false_mask = self._false_mask
         return _original_value_counts(
             self._df, column, mode, sort, dropna,
-            conditions, logic, true_mask, false_mask, to_dict
+            conditions, logic, true_mask, false_mask, return_type
         )
 
 
@@ -168,8 +168,8 @@ class DataFrameStatistics:
         logic: str = "and",
         true_mask: Optional[pd.Series] = None,
         false_mask: Optional[pd.Series] = None,
-        to_dict: bool = True
-    ) -> Dict[Any, Union[int, float]]:
+        return_type: Literal["dict", "df", "series"] = "dict"
+    ) -> Union[Dict[Any, Union[int, float]], pd.DataFrame, pd.Series]:
         """
         按指定列分组，对另一列进行聚合统计，自动使用内部掩码参数
 
@@ -184,11 +184,11 @@ class DataFrameStatistics:
         - logic (str)：逻辑操作类型，"and" 或 "or"，默认为 "and"
         - true_mask (pd.Series)：初始True掩码，默认为None（使用内部缓存）
         - false_mask (pd.Series)：初始False掩码，默认为None（使用内部缓存）
-        - to_dict (bool)：是否将结果转换为字典，默认为True。
+        - return_type (str)：返回类型，支持 "dict"（字典）、"df"（DataFrame）和 "series"（Series），
+            默认为 "dict"。
 
-        
         返回：
-        - Dict[Any, Union[int, float]]：以分组值为键，聚合结果为值的字典
+        - Union[Dict[Any, Union[int, float]], pd.DataFrame, pd.Series]：以分组值为键，聚合结果为值的字典、DataFrame或Series
 
         示例：
             >>> stats.group_agg("category", "amount", "sum")
@@ -205,7 +205,7 @@ class DataFrameStatistics:
             false_mask = self._false_mask
         return _original_group_agg(
             self._df, group_col, agg_col, agg_func, sort,
-            conditions, logic, true_mask, false_mask, to_dict
+            conditions, logic, true_mask, false_mask, return_type
         )
 
 

{funcguard-0.2.42 → funcguard-0.2.44}/funcguard.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: funcguard
-Version: 0.2.42
+Version: 0.2.44
 Summary: FuncGuard是一个Python库，提供函数执行超时控制、重试机制、HTTP请求封装和格式化打印工具。
 Home-page: https://github.com/tinycen/funcguard
 Author: tinycen
@@ -34,7 +34,7 @@ FuncGuard是一个Python库，提供了函数执行超时控制和重试机制
 
 | 分类 | 功能描述 | 文档 |
 |------|----------|------|
-| **核心功能** | 函数执行超时控制、函数执行失败自动重试 | - |
+| **核心功能** | 函数执行超时控制、函数执行失败自动重试、交互式选择菜单 | - |
 | **网络请求** | HTTP请求封装（支持自动重试）、MD5哈希、Basic Auth编码 | [查看](./docs/network.md) |
 | **时间工具** | 时间日志记录、耗时统计、执行时间监控和警告、时间等待（带倒计时） | [查看](./docs/time_utils.md) |
 | **打印工具** | 格式化分隔线、块打印、标题打印、进度条显示 | - |
@@ -95,6 +95,41 @@ except Exception as e:
     print(f"重试后仍然失败: {e}")
 ```
 
+### 交互式选择菜单
+
+使用 `ask_select` 函数创建一个带数字编号的交互式选择菜单，支持超时自动选择：
+
+```python
+from funcguard import ask_select
+
+# 基础用法 - 选择属性填写模式
+result = ask_select(
+    options={True: "需要填写属性", False: "不需要填写属性", "all": "不限制"},
+    default_key="all",
+    prompt="请选择属性填写模式",
+    timeout=5
+)
+print(f"用户选择: {result}")  # 返回 True, False 或 "all"
+
+# 选择部署环境
+env = ask_select(
+    options={"dev": "开发环境", "test": "测试环境", "prod": "生产环境"},
+    default_key="dev",
+    prompt="请选择部署环境",
+    timeout=3
+)
+print(f"当前环境: {env}")
+
+# 选择数量（使用整数作为键）
+count = ask_select(
+    options={10: "10条", 50: "50条", 100: "100条"},
+    default_key=50,
+    prompt="查询数量",
+    timeout=5
+)
+print(f"查询 {count} 条数据")
+```
+
 ### HTTP请求
 
 FuncGuard 提供了强大的 HTTP 请求功能，支持自动重试、请求日志记录、以及 curl_cffi 兜底（用于绕过反爬虫检测）。详细文档请参考 [network.md](docs/network.md)。
@@ -496,6 +531,7 @@ print(f"当前价格: {current_price}, 变化: {price_change}")  # 输出: 当
 |-----------|----------|
 | `timeout_handler` | 函数执行超时控制 |
 | `retry_function` | 函数执行失败自动重试 |
+| `ask_select` | 交互式数字选择菜单（支持超时自动选择） |
 
 ### 网络请求
 
@@ -542,7 +578,7 @@ print(f"当前价格: {current_price}, 变化: {price_change}")  # 输出: 当
 | 函数/类名 | 功能说明 | 文档 |
 |-----------|----------|------|
 | `pd_fill_na` / `pd_fill_nat` | 数据填充 | [查看](docs/pandas/fill.md) |
-| `pd_convert_columns` / `pd_convert_decimal` / `pd_convert_numeric_series` / `pd_convert_str_datetime` / `pd_convert_datetime_str` | 类型转换 | [查看](docs/pandas/convert.md) |
+| `pd_convert_columns` / `pd_convert_decimal` / `pd_convert_numeric_series` / `pd_convert_str_datetime` / `pd_convert_datetime_str` / `pd_convert_series` | 类型转换 | [查看](docs/pandas/convert.md) |
 | `pd_load_json` | JSON解析 | [查看](docs/pandas/json.md) |
 | `pd_filter` | 数据筛选 | [查看](docs/pandas/filter.md) |
 | `pd_count` / `pd_value_counts` | 条件计数统计 | [查看](docs/pandas/count.md) |

{funcguard-0.2.42 → funcguard-0.2.44}/setup.py

@@ -9,7 +9,7 @@ except FileNotFoundError:
 
 setup(
     name='funcguard',
-    version='0.2.42',
+    version='0.2.44',
     packages=find_packages(),
     install_requires=[
         'requests',