京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:闲欢
来源:Python 技术
作为程序员,我们经常会遇到比较耗时的操作,这个时候我们大多数人会无助地等待程序执行完成,有些人会趁机摸一下鱼,以便渡过这个无聊看起来又有点未知的时间,我就是这样做的。
但是,我们也可以选择另一种方式——用一个炫酷的进度条,来观察处理进度,也可以及时了解程序运行的情况,做到心中有数。
今天就给大家介绍 Python 的一个库—— tqdm ,它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windows、Linux、mac等系统,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。
我们常见的安装方式是直接 pip 安装:
pip install tqdm
但是我用这种方式安装的时候报错:
看报错的意思是这个 pypi.org 不是可信网站,于是我加上了:
pip install tqdm --trusted-host pypi.org
结果还是这个报错。
这有点无语了。我接着尝试使用豆瓣的源来进行安装:
pip install -i https://pypi.douban.com/simple tqdm
还是一样的报错。
但是我浏览器访问这个网站没问题:https://pypi.org/project/tqdm/
既然这样,我就把文件下载下来再安装吧。
下载下来之后,我将 whl 文件放在我的项目目录,然后使用命令行安装:
pip install --trusted-host pypi.org tqdm-4.62.3-py2.py3-none-any.whl
这回安装没报错。我再用命令检查一下安装是否成功:
pip show tqdm
命令行成功显示信息:
Name: tqdm Version: 4.62.3 Summary: Fast, Extensible Progress Meter Home-page: https://tqdm.github.io Author: None Author-email: None License: MPLv2.0, MIT Licences Location: c:pworkspacemypyvenvlibsite-packages Requires: colorama Required-by:
折腾了半天,终于安装成功了!
本文的示例都是在 jupyter notebook 环境下运行的,不同环境运行的效果会有差别。
我们进入 tqdm 的源码,可以找到 __init__ 方法:
def __init__(self, iterable=None, desc=None, total=None, leave=True, file=None,
ncols=None, mininterval=0.1, maxinterval=10.0, miniters=None,
ascii=None, disable=False, unit='it', unit_scale=False,
dynamic_ncols=False, smoothing=0.3, bar_format=None, initial=0,
position=None, postfix=None, unit_divisor=1000, write_bytes=None,
lock_args=None, nrows=None, colour=None, delay=0, gui=False,
**kwargs):
从中我们可以看到 tqdm 支持很多参数,下面列一些常见的参数:
直接将可迭代对象传入作为参数,我们来看一下例子:
from tqdm import tqdm from time import sleep for char in tqdm(['h', 'e', 'l', 'l', 'o']):
sleep(0.25) for i in tqdm(range(100)):
sleep(0.05)
实现的进度条效果如下:
这里面的 tqdm(range()) 我们也可以用 tqdm 提供的 trange() 来代替,可以简化代码。
from tqdm.notebook import trange for i in trange(100):
sleep(0.05)
实现的进度条效果如下:
我们还可以为进度条添加描述:
pbar = tqdm(range(5)) for char in pbar:
pbar.set_description("Progress %d" %char) sleep(1)
实现的进度条效果如下:
接下来,我要改变一下进度条的颜色:
我们可以使用 with 语句来手动控制进度条。
with tqdm(total=100) as pbar: for i in range(1, 5): sleep(1) # 更新进度 pbar.update(10*i)
这里我设置进度条的更新的间隔,设置总数为 total=100,然后分四次,使得进度条按 10%,20%,30%,40%的间隔来更新。
实现的进度条效果如下:
接下来, 我要改变一下进度条的颜色:
with tqdm(total=100, colour='yellow') as pbar: for i in range(1, 5): sleep(1) # 更新进度 pbar.update(10*i)
我把进度条改为了黄色。
接下来,我们来个嵌套进度条玩玩。
for i in trange(3, desc='outer loop'): for i in trange(100, desc='inner loop', leave=False): sleep(0.01)
这里我用两层 for 循环实现了嵌套,并且将内层的 参数 leave 设置为 False ,意思是内层的进度条每执行一次都会消失。
我们来看看最终运行的效果:
这个进度条库的使用方法是不是很简单,几行代码就能为我们的程序增色不少。心动不如行动,赶快用起来吧!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07