tqdm库

tqdm库

文章目录

• • tqdm库
  • 如何安装
  • 如何使用
  • 1.基于迭代的进度条
  • • 2.手动设置进度条
  • 如何在Pandas中使用进度条
  • 如何在keras中使用进度条
  • 如何使用Notebook优化的进度条和层级进度条
  • 如何为文件存储设置进度条

简要介绍：
tqdm是一个进度条可视化库，可以帮助我们监测程序运行的进度，估计运行的时长，甚至可以协助debug。

如何安装

CMD安装：

pip install tqdm
或pip install "git+https://github.com/tqdm/tqdm.git@devel#egg=tqdm"
anaconda prompt安装：
conda install -c conda-forge tqdm

如何使用

tqdm用途广泛，可以以多种方式使用。下面给出三个主要的。

1.基于迭代的进度条

In [2]:

from tqdm import tqdm
from time import sleep

text = ""
for char in tqdm(["a", "b", "c", "d"]):
    sleep(0.25)
    text = text + char

100%|██████████| 4/4 [00:01<00:00,  3.98it/s]

也可以是range对象

In [3]:

from tqdm import trange

for i in tqdm(range(100)):
    sleep(0.01)

100%|██████████| 100/100 [00:01<00:00, 98.62it/s]

trange(i)是针对tqdm(range(i))的优化写法，大家要多用！

In [4]:

from tqdm import trange

for i in trange(100):
    sleep(0.01)

100%|██████████| 100/100 [00:01<00:00, 98.59it/s]

也可以把tqdm写在循环外，手动控制进度条显示内容。
仔细看，进度条左边有文字描述，并且会随着循环的元素变化而变化！

In [6]:

pbar = tqdm(["a", "b", "c", "d"])
for char in pbar:
    sleep(0.25)
    pbar.set_description("Processing %s" %char)

Processing d: 100%|██████████| 4/4 [00:01<00:00,  3.97it/s]

2.手动设置进度条

手动设置看起来麻烦，但可以控制进度条的间隔；
下例的进度条是每10%跳动一次！

In [10]:

with tqdm(total=100) as pbar:
    for i in range(10):
        sleep(0.1)
        pbar.update(10)

100%|██████████| 100/100 [00:01<00:00, 99.17it/s]

也可以不适用with方法来构建pbar,但前往不要忘记在结束时del或close()

In [12]:

pbar = tqdm(total=100)
for i in range(10):
    sleep(0.1)
    pbar.update(10)
pbar.close()

100%|██████████| 100/100 [00:01<00:00, 99.14it/s]

3.CMD进度条

notebook不方便演示，不做赘述

如何在Pandas中使用进度条

In [29]:

import pandas as pd
import numpy as np
from tqdm import tqdm

df = pd.Dataframe(np.random.randint(0, 100, (100000, 6)))

tqdm.pandas(desc="my bar!")

new_df = df.progress_apply(lambda x: x**2)
#goupby之后也可以
# df.groupby(0).progress_apply(lambda x: x**2)

my bar!: 100%|██████████| 6/6 [00:00<00:00, 330.33it/s]

如何在keras中使用进度条

由于训练数据暂无，且训练时间长，所以不作展示；请需要keras进度条的童鞋脑补。

In [ ]:

from tqdm.keras import TqdmCallback

...

model.fit(..., verbose=0, callbacks=[TqdmCallback()])

如何使用Notebook优化的进度条和层级进度条

In [30]:

from tqdm.notebook import trange, tqdm
from time import sleep

for i in trange(3, desc='1st loop'):
    for j in tqdm(range(100), desc='2nd loop'):
        sleep(0.01)

HBox(children=(FloatProgress(value=0.0, description='1st loop', max=3.0, style=ProgressStyle(description_width…

HBox(children=(FloatProgress(value=0.0, description='2nd loop', style=ProgressStyle(description_width='initial…

HBox(children=(FloatProgress(value=0.0, description='2nd loop', style=ProgressStyle(description_width='initial…

HBox(children=(FloatProgress(value=0.0, description='2nd loop', style=ProgressStyle(description_width='initial…

如何为文件存储设置进度条

In [23]:

import urllib, os
from tqdm import tqdm

eg_link = "https://caspersci.uk.to/matryoshka.zip"
response = getattr(urllib, 'request', urllib).urlopen(eg_link)
with tqdm.wrapattr(open(os.devnull, "wb"), "write",
                   miniters=1, desc=eg_link.split('/')[-1],
                   total=getattr(response, 'length', None)) as fout:
    for chunk in response:
        fout.write(chunk)

matryoshka.zip: 100%|██████████| 254k/254k [00:01<00:00, 156kB/s]