Python 进度条tqdm应用记录

news2024/9/20 8:53:19

tqdm 简介

tqdm 是一个非常流行的 Python 库，用于快速添加进度条到循环中。它可以方便地集成到脚本中，并且支持多种类型的迭代器。

安装

首先确保你安装了 tqdm。如果还没有安装，可以通过 pip 安装它（如果要在 jupyter notebook 上使用，还需要ipywidgets支持）：

pip install tqdm

使用方法举例

1. 进度条的基本使用

from tqdm import tqdm
import time

# 创建一个简单的进度条
for i in tqdm(range(100)):
    time.sleep(0.01)  # 模拟耗时操作

2. 自定义描述信息

from tqdm import tqdm
import time

# 添加描述信息
for i in tqdm(range(100), desc="Processing"):
    time.sleep(0.01)

3. 设置总进度

from tqdm import tqdm
import time

# 显示总进度
for i in tqdm(range(100), total=100):
    time.sleep(0.01)

4. 更新进度

from tqdm import tqdm
import time

# 手动更新进度条
pbar = tqdm(total=100)
for i in range(100):
    time.sleep(0.01)
    pbar.update(1)  # 更新进度
pbar.close()

5. 多个进度条

from tqdm import tqdm
import time

# 同时显示多个进度条
with tqdm(total=100, desc="First") as pbar1, tqdm(total=100, desc="Second") as pbar2:
    for i in range(100):
        time.sleep(0.01)
        pbar1.update(1)
        pbar2.update(1)

6. 显示额外信息

采用 tqdm.write 函数，可以输出额外信息。

from tqdm import tqdm
import time

# 在进度条后面显示额外信息
for i in tqdm(range(100), desc="Processing", unit="it", unit_scale=True):
    time.sleep(0.01)
    tqdm.write(f"Processing {i}")

7. 动态更新额外信息

from tqdm import tqdm
import time

# 动态更新额外信息
pbar = tqdm(total=100, desc="Processing")
for i in range(100):
    time.sleep(0.01)
    pbar.set_postfix_str(f"Processing {i}")
    pbar.update(1)
pbar.close()

应用实例

1. 在脚本文件 `.py` 中使用进度条

import pandas as pd
import tqdm
from bad import BigAData

bad = BigAData()
stock_count = bad.get_stock_count()
progress = tqdm.tqdm(total=stock_count, desc='获取沪深A股列表', unit='stock')
stock_list = bad.get_stock_name_list(num_per_page=100, progress_bar=progress, stock_count=stock_count)
pd.DataFrame(stock_list).to_excel('沪深A.xlsx', index=False)

效果如下：
17%
100%

2. 在 jupyter notebook 文件 `.ipynb` 中使用进度条

import pandas as pd
from tqdm.notebook import tqdm
from bad import BigAData

bad = BigAData()
stock_count = bad.get_stock_count()
progress = tqdm(total=stock_count, desc='获取大A股票名录', unit='stock')
stock_list = bad.get_stock_name_list(num_per_page=100, progress_bar=progress, stock_count=stock_count)
pd.DataFrame(stock_list).to_excel('大A名录.xlsx', index=False)

jupyter notebook 100%

3. 作为实例函数的输入参数

    # 获取股票列表
    def get_stock_name_list(self, node='hs_a', stock_count=None, num_per_page=100, progress_bar=None):
        ''' 
        获取股票列表 
        node: 节点代码，如hs_a表示沪深A股，sh_a表示沪市A股，sz_a表示深市A股，hs_bjs表示北交所，cyb表示创业板。
        stock_count: 股票总数
        num_of_page: 每页数据量
        progress_bar: 进度条
        return: 股票列表
        '''
        if stock_count is None:
            stock_count = self.get_stock_count(node)
        if stock_count is not None:
            stock_list = []
            for i in range(1, int(stock_count/num_per_page)+2):
                data = self.get_market_quotations(node, i, num_per_page)
                for item in data:
                    stock_list.append({'symbol': item['symbol'], 'code': item['code'], 'name': item['name']})
                    if progress_bar is not None:
                        progress_bar.update(1)
            return stock_list
        else:
            return None