没有进度条的Python没有灵魂：tqdm库的使用

当你在跑一个循环程序时，1分钟过去了，不着急；5分钟过去了，不着急；（处理大型数据时）1小时过去了！？？？开始焦虑了：wtf?代码有没有写错？为什么这么慢？什么时候才能跑完？

这时候，我们可使用tqdm库。

tqdm 是一个智能进度表，是一个快速，可扩展的 Python 进度条，可以在 Python 长循环中添加一个进度提示信息。

tqdm用于可迭代对象

使用时只需要用tqdm包装可迭代的对象：tqdm(iterable)。例如：

from tqdm import tqdm
from time import sleep
for i in tqdm(range(100)):
    sleep(0.01)


100%|████████████████████████████████████████████████████████████████████████████████| 100/100 [00:01<00:00, 63.53it/s]

可以看到当前的进度，已用时间、（预计）剩余时间信息

tqdm可以对任意可迭代对象使用。例如列表：

from tqdm import tqdm
from time import sleep
text = ''
for char in tqdm(['a', 'b', 'c', 'd']):
    # 遍历列表这个可迭代对象，将其中的字符串拼接在一起
    sleep(0.25)
    text = text + char


100%|████████████████████████████████████████████████████████████████████████████████████| 4/4 [00:01<00:00,  3.93it/s]

trange(i)可以看作tqdm(range(i))的一个简化版本：

from tqdm import trange
for i in trange(100):
    sleep(0.01)


100%|████████████████████████████████████████████████████████████████████████████████| 100/100 [00:01<00:00, 63.13it/s]

pandas中的tqdm运用

tqdm对pandas中的apply()过程提供了特殊的支持，因为pandas中的apply()本质上就是串行循环运算，使用progress_apply 方法替换apply方法；并且记住每个单独的progress_apply前要先执行tqdm.pandas()

import pandas as pd
import numpy as np
from tqdm import tqdm
  
df = pd.DataFrame(np.random.randint(0, 100, (100000, 6)))
tqdm.pandas()
df = df.progress_apply(lambda x: x**2)


100%|██████████████████████████████████████████████████████████████████████████████████| 6/6 [00:00<00:00, 1496.72it/s]