python中的進(jìn)度條工具tqdm及用法示例
tqdm 是 Python 中一個(gè)非常流行的進(jìn)度條工具，常用于長(zhǎng)時(shí)間運(yùn)行的任務(wù)，如數(shù)據(jù)處理、訓(xùn)練機(jī)器學(xué)習(xí)模型等。tqdm 的主要優(yōu)點(diǎn)是易用性和功能豐富，可以在多種場(chǎng)景下使用。下面是 tqdm 的詳細(xì)介紹及一些常見(jiàn)用法示例：
安裝
首先，確保安裝了 tqdm，可以使用 pip 進(jìn)行安裝：
pip install tqdm
基本用法
tqdm 最常見(jiàn)的用法是在循環(huán)中顯示進(jìn)度條：
from tqdm import tqdm
import time
for i in tqdm(range(100)):
time.sleep(0.1) # 模擬耗時(shí)操作在函數(shù)中使用
可以將 tqdm 與函數(shù)結(jié)合使用：
from tqdm import tqdm
import time
def process_data(item):
time.sleep(0.1) # 模擬數(shù)據(jù)處理
data = range(100)
for item in tqdm(data):
process_data(item)進(jìn)度條描述
可以使用 desc 參數(shù)為進(jìn)度條添加描述：
for item in tqdm(data, desc="Processing"):
process_data(item)進(jìn)度條格式化
tqdm提供了多種參數(shù)來(lái)控制進(jìn)度條的顯示樣式：total: 總迭代次數(shù)。leave: 是否在迭代結(jié)束后保留進(jìn)度條（默認(rèn)為 True）。ncols: 進(jìn)度條的寬度。mininterval: 最小更新時(shí)間間隔（秒）。maxinterval: 最大更新時(shí)間間隔（秒）。ascii: 使用 ASCII 字符而不是 Unicode 字符顯示進(jìn)度條。
for item in tqdm(data, desc="Processing", total=100, leave=True, ncols=100, ascii=True):
process_data(item)與 pandas 一起使用
tqdm 可以很方便地與 pandas 一起使用，特別是在處理 DataFrame 時(shí)：
import pandas as pd
from tqdm import tqdm
# 為 pandas 應(yīng)用 tqdm
tqdm.pandas()
# 示例 DataFrame
df = pd.DataFrame({'a': range(1000)})
# 使用 progress_apply 顯示進(jìn)度條
df['a'].progress_apply(lambda x: x ** 2)嵌套進(jìn)度條
tqdm 支持嵌套進(jìn)度條，適用于多層循環(huán)：
from tqdm import tqdm
import time
for i in tqdm(range(5), desc="Outer loop"):
for j in tqdm(range(100), desc="Inner loop", leave=False):
time.sleep(0.01)進(jìn)度條更新
有時(shí)候需要手動(dòng)更新進(jìn)度條，這可以使用 tqdm 的更新方法：
from tqdm import tqdm
import time
pbar = tqdm(total=100)
for i in range(10):
time.sleep(0.1)
pbar.update(10)
pbar.close()到此這篇關(guān)于python中的進(jìn)度條工具tqdm及用法示例的文章就介紹到這了,更多相關(guān)python tqdm進(jìn)度條內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了基于K-Means聚類算法演示及可視化展示，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-11-11
對(duì)python實(shí)時(shí)得到鼠標(biāo)位置的示例講解
今天小編就為大家分享一篇對(duì)python實(shí)時(shí)得到鼠標(biāo)位置的示例講解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-10-10
Python調(diào)用C/C++函數(shù)庫(kù)的多種方法與實(shí)踐指南
Python作為一門高級(jí)編程語(yǔ)言,以其簡(jiǎn)潔的語(yǔ)法和豐富的庫(kù)生態(tài)贏得了開(kāi)發(fā)者的青睞,然而,在計(jì)算密集型任務(wù)中,Python的性能往往無(wú)法滿足要求,Python調(diào)用C/C++函數(shù)庫(kù)成為提升應(yīng)用性能的關(guān)鍵技術(shù)路徑,本文將深入探討Python調(diào)用C/C++函數(shù)庫(kù)的多種方法,需要的朋友可以參考下2025-08-08
python的scipy.stats模塊中正態(tài)分布常用函數(shù)總結(jié)
在本篇內(nèi)容里小編給大家整理的是一篇關(guān)于python的scipy.stats模塊中正態(tài)分布常用函數(shù)總結(jié)內(nèi)容，有興趣的朋友們可以學(xué)習(xí)參考下。2021-02-02
這篇文章主要介紹了python中jieba模塊的深入了解，jieba模塊是一個(gè)python第三方中文分詞模塊，可以用于將語(yǔ)句中的中文詞語(yǔ)分離出來(lái)2022-06-06
SymPy庫(kù)關(guān)于矩陣的基本操作和運(yùn)算
本文主要介紹了SymPy庫(kù)關(guān)于矩陣的基本操作和運(yùn)算，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
pandas多層索引的創(chuàng)建和取值以及排序的實(shí)現(xiàn)
這篇文章主要介紹了pandas多層索引的創(chuàng)建和取值以及排序的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
在python 中實(shí)現(xiàn)運(yùn)行多條shell命令
今天小編就為大家分享一篇在python 中實(shí)現(xiàn)運(yùn)行多條shell命令，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
文章介紹numpy數(shù)組的基本屬性及三維數(shù)組transpose操作,通過(guò)調(diào)整維度順序?qū)GB分離,應(yīng)用在白平衡的灰度世界算法中2025-09-09
PyTorch模型轉(zhuǎn)TensorRT是怎么實(shí)現(xiàn)的?
今天給大家?guī)?lái)的是關(guān)于Python的相關(guān)知識(shí),文章圍繞著PyTorch模型轉(zhuǎn)TensorRT是怎么實(shí)現(xiàn)的展開(kāi),文中有非常詳細(xì)的介紹及代碼示例,需要的朋友可以參考下2021-06-06