进度条插件 progress_bar 使用指南

温姬尤Lee

于 2024-08-25 07:25:30 发布

阅读量370

点赞数 4

本文链接：https://blog.csdn.net/gitblog_00711/article/details/141511481

版权

进度条插件 progress_bar 使用指南

progress_barA Ruby terminal progress_bar项目地址:https://gitcode.com/gh_mirrors/pr/progress_bar

项目介绍

progress_bar 是一个灵感源自于 node-progress 的轻量级库，用于在终端界面上显示配置灵活的进度条。它适用于 R、Ruby 和 Python 等多种编程语言环境，包括命令行、Emacs 以及 R Studio。此库允许用户通过简单的API更新进度状态，支持自定义格式来展示百分比、已用时间、剩余估计时间等信息。对于监控长时间运行的任务或提升用户体验而言，它是理想的选择。

项目快速启动

Python 版本

安装

首先，通过pip安装 progress_bar 库：

pip install progress_bar

使用示例

接下来，创建并更新一个基本的进度条：

from progress_bar import InitBar

# 初始化进度条
pbar = InitBar()

# 更新进度到10%
pbar(10)

# 继续更新至20%
pbar(20)

R 版本

安装

在R中使用前，确保先安装 progress 包：

install.packages("progress")

示例代码

然后，可以这样使用：

library(progress)

pb <- progress_bar$new(total = 100)

for (i in 1:100) {
  Sys.sleep(0.01)  # 模拟处理时间
  pb$tick()
}

应用案例与最佳实践

文件传输监控：在文件上传或下载过程中，实时显示进度。

import os
from progress_bar import FileTransferSpeed

file_size = os.path.getsize('example.txt')
with FileTransferSpeed(file_size) as pbar:
    with open('example.txt', 'rb') as f:
        while True:
            data = f.read(4096)
            if not data:
                break
            pbar.update(len(data))

数据处理流水线：在执行大数据分析或批处理任务时，跟踪各个阶段的完成情况。

library(dplyr)

df <- read.csv("large_dataset.csv") %>%
  group_by(category) %>%
  summarize(mean_value = mean(value)) %>%
  progress_bar$new(nrow(df)) %>%
  with(progress_bar$tick()) %>%
  ...