一、前言
\quad \quad 有时候在使用Python处理比较耗时操作的时候，为了便于观察处理进度，这时候就需要通过进度条将处理情况进行可视化展示，以便我们能够及时了解情况。这对于第三方库非常丰富的Python来说，想要实现这一功能并不是什么难事。
\quad \quad tqdm就能非常完美的支持和解决这些问题，可以实时输出处理进度而且占用的CPU资源非常少，支持循环处理、多进程、递归处理、还可以结合linux的命令来查看处理情况，等进度展示。
我们先来看一下进度条的效果。
from tqdm import tqdm
for i in tqdm(range(int(9e6))):
pass
可以看到，当我们的代码的运行需要较长时间时，进度条可以很好的帮助我们了解整个代码的运行进度。
1、安装
tqdm的安装十分简单，只需要通过pip或conda就可以安装。
2、pip安装
pip install tqdm
3、conda安装
conda install -c conda-forge tqdm
二、tqdm相关操作
1、迭代对象处理
对于可以迭代的对象都可以使用下面这种方式，来实现可视化进度，非常方便。
from tqdm import tqdm
import time
for i in tqdm(range(100)):
time.sleep(0.1)
pass
100%|████████████████████████████████████████████████████████████████████████████████| 100/100 [00:10<00:00, 9.88it/s]
2、观察处理的数据
通过tqdm提供的set_description方法可以实时查看每次处理的数据。
from tqdm import tqdm
import time
pbar = 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中对大量数据进行相关操作或者遍历表格的行列时，我们可以使用tqdm来了解代码运行情况。
import pandas as pd
df = pd.DataFrame({
'Month':[1,2,3,4,5,2,3,4,5,1,2,3,4],
'Name':['张三','张三','张三','张三','张三','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、多进程进度条
在使用多进程或者嵌套循环处理任务的时候，我们通过tqdm可以实时查看每一个进程任务的处理情况
from tqdm import tqdm
import time
for 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、自定义进度条显示信息
通过update方法可以控制每次进度条更新的进度。
from tqdm import tqdm
import time
#total参数设置进度条的总长度为100
with tqdm(total=100) as pbar:
for i in range(100):
time.sleep(0.05)
#每次更新进度条的长度为1
pbar.update(1)
除了上述方法之外，我们还能通过另外一种方法来实现操作。
from tqdm import tqdm
import time
#total参数设置进度条的总长度为100
pbar = tqdm(total=100)
for i in range(100):
time.sleep(0.05)
#每次更新进度条的长度为1
pbar.update(1)
#关闭占用的资源
pbar.close()
另外，我们还能通过set_description和set_postfix方法设置进度条显示信息。
from tqdm import trange
from random import random,randint
import time
with trange(100) as t:
for i in t:
#设置进度条左边显示的信息
#注意：代码中的HVAE是可以手动换成其他内容的
t.set_description("GEN %i"%i)
#设置进度条右边显示的信息
#注意：此处代码中的gen lr lst是可以手动换成其他内容的
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]]
令人震惊的是，当我们将进度条显示的信息设置为中文时，竟然不会出现乱码！！！！
from tqdm import trange
from random import random,randint
import time
with trange(100) as t:
for i in t:
#设置进度条左边显示的信息
t.set_description("进度 %i"%i)
#设置进度条右边显示的信息
t.set_postfix(loss=random(),随机=randint(1,999),名字="h",列表=[1,2])
time.sleep(0.1)
进度 99: 100%|████████████████████████████████████| 100/100 [00:10<00:00, 9.75it/s, loss=0.975, 列表=[1, 2], 名字=h, 随机=469]
三、其他相关操作
Last but not least！！最后的内容是十分重要的！！
1、我们在使用tqdm的时候，可以将tqdm(range(n))替换为trange(n)，让你的代码看起来更加简洁而又高大上！
from tqdm import tqdm,trange
import time
for i in trange(100):
time.sleep(0.1)
pass
100%|████████████████████████████████████████████████████████████████████████████████| 100/100 [00:10<00:00, 9.90it/s]
2、当我们在jupyter notebook中使用进度条时，我们会发现整个进度条十分的难看，而在可能会出现多条进度条的情况，这样会让我们的代码显得十分的难看，这显然不是我们想要得到的结果。
我们先来感受一下，这种丑丑的运行结果。
from tqdm import tqdm
for 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，上面的代码我们仅仅打印了两百次，整个运行结果就有多个进度条，整体的视觉效果特别差。如果当我们需要进行成千上万次迭代时，整个运行结果将会不堪入目，比我们未使用进度条时的结果更加难看，显然这不是我们想看到的。
tqdm针对jupyter notebook添加了专门的进度条美化方法，使用tqdm_notebook()方法，我们看看效果：
from tqdm import tqdm_notebook
import time
for i in tqdm_notebook(range(100),desc='demo：'):
time.sleep(0.01)
print('tqdm',end=' ')
可以看到，整个运行结果立刻变得美观而又清晰了！
\quad tqdm在阿拉伯语中的意思是“进展”，是python中一个快速、扩展性强的进度条工具库，能让我们了解代码的运行进度，也能让我们的运行结果看起来显得更加美观而又高大上！！ 喜欢的小伙伴赶紧用起来吧！！
