文章来源于
python遇见NLP
,作者
自然语言er
from tqdm import tqdmfrom time import sleeptext = ""for char in tqdm(["a", "b", "c", "d"]): sleep(0.25) text = text + charprint(text)
# 输出100%|██████████| 4/4 [00:01<00:00, 3.93it/s]abcd
如上例所示,tqdm()里面传入一个可迭代对象(这里是列表),它将返回一个与原始可迭代对象完全相同的迭代器,在它每次请求一个值时都打印一个动态更新的进度条。
from tqdm import trangefrom time import sleepfrom tqdm import tqdmfor i in trange(100): sleep(0.01)for i in tqdm(range(100)): sleep(0.01)
# 输出100%|██████████| 100/100 [00:01<00:00, 83.34it/s]100%|██████████| 100/100 [00:01<00:00, 83.34it/s]
trange(i)是tqdm(range(i))的特殊优化实例,从输出可以看出,它们的效果是等同的。
tqdm官网地址:https://pypi.org/project/tqdm/
Github地址:https://github.com/tqdm/tqdm
![1ea39e3f8daa2c10652fcd05c4afaed5.png](https://i-blog.csdnimg.cn/blog_migrate/3ebb00c23240dfd2956e94a5006ceaf9.jpeg)
往期精彩回顾
适合初学者入门人工智能的路线及资料下载
机器学习及深度学习笔记等资料打印
机器学习在线手册
深度学习笔记专辑
《统计学习方法》的代码复现专辑
AI基础下载
机器学习的数学基础专辑
获取一折本站知识星球优惠券,复制链接直接打开:
https://t.zsxq.com/662nyZF
本站qq群1003271085。
加入微信群请扫码进群(如果是博士或者准备读博士请说明):