一、前言

quad quad 有時候在使用Python處理比較耗時操作的時候，為了便于觀察處理進度，這時候就需要通過進度條將處理情況進行可視化展示，以便我們能夠及時了解情況。這對于第三方庫非常豐富的Python來說，想要實現(xiàn)這一功能并不是什么難事。quad quad tqdm就能非常完美的支持和解決這些問題，可以實時輸出處理進度而且占用的CPU資源非常少，支持循環(huán)處理、多進程、遞歸處理、還可以結合linux的命令來查看處理情況，等進度展示。

我們先來看一下進度條的效果。

from tqdm import tqdmfor i in tqdm(range(int(9e6))): pass

可以看到，當我們的代碼的運行需要較長時間時，進度條可以很好的幫助我們了解整個代碼的運行進度。

1、安裝

tqdm的安裝十分簡單，只需要通過pip或conda就可以安裝。

2、pip安裝

pip install tqdm

3、conda安裝

conda install -c conda-forge tqdm

二、tqdm相關操作

1、迭代對象處理

對于可以迭代的對象都可以使用下面這種方式，來實現(xiàn)可視化進度，非常方便。

from tqdm import tqdmimport timefor i in tqdm(range(100)): time.sleep(0.1) pass

100%|????????????????????????????????????????????????????????????????????????????????| 100/100 [00:10<00:00, 9.88it/s]

2、觀察處理的數(shù)據(jù)

通過tqdm提供的set_description方法可以實時查看每次處理的數(shù)據(jù)。

from tqdm import tqdmimport timepbar = tqdm(['A','B','C','D','E','F'])for c in pbar: time.sleep(1) pbar.set_description('Processing %s'%c)

3、pandas中使用tqdm

在pandas中對大量數(shù)據(jù)進行相關操作或者遍歷表格的行列時，我們可以使用tqdm來了解代碼運行情況。

import pandas as pddf = pd.DataFrame({ ’Month’:[1,2,3,4,5,2,3,4,5,1,2,3,4], ’Name’:[’張三’,’張三’,’張三’,’張三’,’張三’,’李四’,’李四’,’李四’,’李四’,’王五’,’王五’,’王五’,’王五’], ’Sex’:[’男’,’男’,’女’,’女’,’女’,’男’,’男’,’男’,’男’,’女’,’女’,’女’,’女’]})for i in tqdm([’Month’,’Name’,’Sex’]): pass

100%|??????????????????????????????????????????????????????????????????????????????????| 3/3 [00:00<00:00, 4707.41it/s]

4、多進程進度條

在使用多進程或者嵌套循環(huán)處理任務的時候，我們通過tqdm可以實時查看每一個進程任務的處理情況

from tqdm import tqdmimport timefor i in tqdm(range(5), ascii=True,desc='1st process'): for j in tqdm(range(5), ascii=True,desc='2nd process'): time.sleep(0.01)

1st process: 0%|| 0/5 [00:00<?, ?it/s]2nd process: 0%|| 0/5 [00:00<?, ?it/s]2nd process: 100%|#######################################################################| 5/5 [00:00<00:00, 94.27it/s]2nd process: 0%|| 0/5 [00:00<?, ?it/s]1st process: 40%|############################4 | 2/5 [00:00<00:00, 18.09it/s]2nd process: 0%|| 0/5 [00:00<?, ?it/s]2nd process: 100%|#######################################################################| 5/5 [00:00<00:00, 93.95it/s]2nd process: 0%|| 0/5 [00:00<?, ?it/s]1st process: 80%|########################################################8 | 4/5 [00:00<00:00, 17.99it/s]2nd process: 0%|| 0/5 [00:00<?, ?it/s]1st process: 100%|#######################################################################| 5/5 [00:00<00:00, 17.86it/s]

5、自定義進度條顯示信息

通過update方法可以控制每次進度條更新的進度。

from tqdm import tqdmimport time#total參數(shù)設置進度條的總長度為100with tqdm(total=100) as pbar: for i in range(100): time.sleep(0.05) #每次更新進度條的長度為1 pbar.update(1)

除了上述方法之外，我們還能通過另外一種方法來實現(xiàn)操作。

from tqdm import tqdmimport time#total參數(shù)設置進度條的總長度為100pbar = tqdm(total=100)for i in range(100): time.sleep(0.05) #每次更新進度條的長度為1 pbar.update(1)#關閉占用的資源pbar.close()

另外，我們還能通過set_description和set_postfix方法設置進度條顯示信息。

from tqdm import trangefrom random import random,randintimport timewith trange(100) as t: for i in t: #設置進度條左邊顯示的信息 #注意：代碼中的HVAE是可以手動換成其他內(nèi)容的 t.set_description('GEN %i'%i) #設置進度條右邊顯示的信息 #注意：此處代碼中的gen lr lst是可以手動換成其他內(nèi)容的 t.set_postfix(loss=random(),gen=randint(1,999),lr='h',lst=[1,2]) time.sleep(0.1)

GEN 99: 100%|???????????????????????????????| 100/100 [00:10<00:00, 9.77it/s, gen=190, loss=0.00811, lr=h, lst=[1, 2]]

令人震驚的是，當我們將進度條顯示的信息設置為中文時，竟然不會出現(xiàn)亂碼！！！！

from tqdm import trangefrom random import random,randintimport timewith trange(100) as t: for i in t: #設置進度條左邊顯示的信息 t.set_description('進度 %i'%i) #設置進度條右邊顯示的信息 t.set_postfix(loss=random(),隨機=randint(1,999),名字='h',列表=[1,2]) time.sleep(0.1)

進度 99: 100%|????????????????????????????????????| 100/100 [00:10<00:00, 9.75it/s, loss=0.975, 列表=[1, 2], 名字=h, 隨機=469]

三、其他相關操作

​ Last but not least！！最后的內(nèi)容是十分重要的！！

1、我們在使用tqdm的時候，可以將tqdm(range(n))替換為trange(n)，讓你的代碼看起來更加簡潔而又高大上！

from tqdm import tqdm,trangeimport timefor i in trange(100): time.sleep(0.1) pass

100%|????????????????????????????????????????????????????????????????????????????????| 100/100 [00:10<00:00, 9.90it/s]

2、當我們在jupyter notebook中使用進度條時，我們會發(fā)現(xiàn)整個進度條十分的難看，而在可能會出現(xiàn)多條進度條的情況，這樣會讓我們的代碼顯得十分的難看，這顯然不是我們想要得到的結果。

我們先來感受一下，這種丑丑的運行結果。

from tqdm import tqdmfor i in tqdm(range(int(200))): print(’tqdm’,end=’ ’)

0%| | 0/200 [00:00<?, ?it/s]tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm 68%|?????????????????????????????????????????????????????? | 137/200 [00:00<00:00, 1360.43it/s]tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm tqdm 100%|??????????????????????????????????????????????????????????????????????????????| 200/200 [00:00<00:00, 1337.14it/s]

quad 可以看到，上面的代碼我們僅僅打印了兩百次，整個運行結果就有多個進度條，整體的視覺效果特別差。如果當我們需要進行成千上萬次迭代時，整個運行結果將會不堪入目，比我們未使用進度條時的結果更加難看，顯然這不是我們想看到的。

tqdm針對jupyter notebook添加了專門的進度條美化方法，使用tqdm_notebook()方法，我們看看效果：

from tqdm import tqdm_notebookimport timefor i in tqdm_notebook(range(100),desc=’demo：’): time.sleep(0.01) print(’tqdm’,end=’ ’)

可以看到，整個運行結果立刻變得美觀而又清晰了！

​ quad tqdm在阿拉伯語中的意思是“進展”，是python中一個快速、擴展性強的進度條工具庫，能讓我們了解代碼的運行進度，也能讓我們的運行結果看起來顯得更加美觀而又高大上！！ 喜歡的小伙伴趕緊用起來吧！！

到此這篇關于python tqdm實現(xiàn)進度條的示例代碼的文章就介紹到這了,更多相關python tqdm進度條內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網(wǎng)！