Python进度条神器tqdm的使用指南

更新时间：2026年03月26日 09:22:46 作者：白酒永远的神

在日常使用 Python 进行数据处理、模型训练或批量任务时,我们常常会遇到长时间运行的循环,tqdm是一个快速、可扩展且美观的进度条库,能够轻松地为你的 Python 循环添加进度提示,本文给大家介绍了Python进度条神器tqdm的使用指南,需要的朋友可以参考下

一、安装 tqdm

tqdm 是一个第三方库，可以通过 pip 轻松安装：

pip install tqdm

如果你使用的是 Jupyter Notebook，建议同时安装 ipywidgets 以获得更好的交互体验：

pip install ipywidgets
jupyter nbextension enable --py widgetsnbextension

二、基本用法：一行代码添加进度条

最简单的用法就是将 tqdm 包裹在任何可迭代对象外面：

from tqdm import tqdm
import time

for i in tqdm(range(100)):
    time.sleep(0.01)  # 模拟耗时操作

运行后你会看到类似这样的输出：

100%|██████████| 100/100 [00:01<00:00, 95.23it/s]

其中包含：

进度百分比
可视化进度条
已完成 / 总数
已用时间 < 预计剩余时间
每秒迭代次数（iterations per second）

三、常用参数详解

tqdm() 支持多个参数来自定义进度条行为：

参数	说明
`desc`	进度条前缀描述
`total`	总迭代次数（当迭代器长度未知时需手动指定）
`unit`	迭代单位（如 ‘file’, ‘image’）
`unit_scale`	自动缩放单位（如 KB/MB）
`leave`	循环结束后是否保留进度条（默认 True）
`ncols`	进度条宽度（字符数）
`colour`	进度条颜色（如 ‘green’, ‘#ff0000’）

示例：带描述和自定义单位

from tqdm import tqdm
import time

for i in tqdm(range(50), desc="Processing", unit="item", colour="green"):
    time.sleep(0.05)

输出效果：

Processing: 100%|██████████| 50/50 [00:02<00:00, 20.12item/s]

四、处理嵌套循环

tqdm 支持多层嵌套进度条，只需分别包裹每一层：

from tqdm import tqdm
import time

for i in tqdm(range(3), desc="Outer"):
    for j in tqdm(range(100), desc="Inner", leave=False):
        time.sleep(0.01)

Outer:   0%|          | 0/3 [00:00<?, ?it/s]
Inner:   0%|          | 0/100 [00:00<?, ?it/s]
Inner:  10%|█         | 10/100 [00:00<00:00, 94.52it/s]
Inner:  20%|██        | 20/100 [00:00<00:00, 94.96it/s]
Inner:  30%|███       | 30/100 [00:00<00:00, 94.97it/s]
Inner:  40%|████      | 40/100 [00:00<00:00, 94.88it/s]
Inner:  50%|█████     | 50/100 [00:00<00:00, 94.48it/s]
Inner:  60%|██████    | 60/100 [00:00<00:00, 94.40it/s]
Inner:  70%|███████   | 70/100 [00:00<00:00, 93.65it/s]
Inner:  80%|████████  | 80/100 [00:00<00:00, 94.03it/s]
Inner:  90%|█████████ | 90/100 [00:00<00:00, 93.76it/s]
Inner: 100%|██████████| 100/100 [00:01<00:00, 93.81it/s]
Outer:  33%|███▎      | 1/3 [00:01<00:02,  1.06s/it]
Inner:   0%|          | 0/100 [00:00<?, ?it/s]
Inner:  10%|█         | 10/100 [00:00<00:00, 92.40it/s]
Inner:  20%|██        | 20/100 [00:00<00:00, 92.28it/s]
Inner:  30%|███       | 30/100 [00:00<00:00, 92.16it/s]
Inner:  40%|████      | 40/100 [00:00<00:00, 92.55it/s]
Inner:  50%|█████     | 50/100 [00:00<00:00, 92.10it/s]
Inner:  60%|██████    | 60/100 [00:00<00:00, 92.32it/s]
Inner:  70%|███████   | 70/100 [00:00<00:00, 93.00it/s]
Inner:  80%|████████  | 80/100 [00:00<00:00, 93.31it/s]
Inner:  90%|█████████ | 90/100 [00:00<00:00, 93.02it/s]
Inner: 100%|██████████| 100/100 [00:01<00:00, 93.08it/s]
Outer:  67%|██████▋   | 2/3 [00:02<00:01,  1.07s/it]
Inner:   0%|          | 0/100 [00:00<?, ?it/s]
Inner:  10%|█         | 10/100 [00:00<00:00, 91.33it/s]
Inner:  20%|██        | 20/100 [00:00<00:00, 91.54it/s]
Inner:  30%|███       | 30/100 [00:00<00:00, 92.87it/s]
Inner:  40%|████      | 40/100 [00:00<00:00, 92.91it/s]
Inner:  50%|█████     | 50/100 [00:00<00:00, 93.23it/s]
Inner:  60%|██████    | 60/100 [00:00<00:00, 92.99it/s]
Inner:  70%|███████   | 70/100 [00:00<00:00, 92.75it/s]
Inner:  80%|████████  | 80/100 [00:00<00:00, 93.23it/s]
Inner:  90%|█████████ | 90/100 [00:00<00:00, 92.88it/s]
Inner: 100%|██████████| 100/100 [00:01<00:00, 93.16it/s]
Outer: 100%|██████████| 3/3 [00:03<00:00,  1.07s/it]

注意：内层循环通常设置 leave=False，避免屏幕被大量历史进度条刷屏。

五、手动控制进度

有时你无法使用 for 循环（比如在 while 中），这时可以使用 tqdm 的手动更新方式：

from tqdm import tqdm
import time

pbar = tqdm(total=100, desc="Manual")
current = 0
while current < 100:
    time.sleep(0.02)
    increment = min(10, 100 - current)
    pbar.update(increment)
    current += increment
pbar.close()

Manual: 100%|██████████| 100/100 [00:00<00:00, 488.25it/s]

关键方法：

pbar.update(n)：前进 n 步
pbar.close()：关闭进度条（释放资源）

六、与 pandas 集成

tqdm 还能与 pandas 无缝集成，用于显示 apply()、groupby() 等操作的进度：

import pandas as pd
from tqdm import tqdm

# 启用 pandas 支持
tqdm.pandas(desc="Pandas Apply")

df = pd.DataFrame({'x': range(1000)})
df['x_squared'] = df['x'].progress_apply(lambda x: x ** 2)

Pandas Apply: 100%|██████████| 1000/1000 [00:00<00:00, 602803.10it/s]

七、Jupyter Notebook 中的特殊支持

在 Jupyter 中，推荐使用 tqdm.notebook.tqdm，它会渲染出更美观的 HTML 进度条：

from tqdm.notebook import tqdm
import time

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

效果是带有颜色和动态更新的图形化进度条，体验更佳。

八、性能影响

tqdm 的设计非常高效，默认每秒最多刷新 10 次（可通过 miniters 或 mininterval 调整），对程序性能影响微乎其微。即使在高频循环中，也可以放心使用。

九、小贴士

如果你在服务器或无终端环境中运行（如某些 CI/CD 环境），tqdm 会自动检测并禁用进度条，避免输出混乱。
可通过 disable=True 强制关闭进度条（便于调试或日志记录）。
使用 logging 时，建议将 tqdm 输出重定向到 sys.stderr（默认行为），避免干扰日志流。

结语

tqdm 是 Python 开发者提升用户体验和调试效率的利器。无论是训练深度学习模型、处理大规模数据，还是简单的脚本任务，只需一行代码，就能让你的程序“看得见进度”。

记住：好的工具不在于复杂，而在于恰到好处的优雅。

赶快在你的下一个项目中试试 tqdm 吧！

以上就是Python进度条神器tqdm的使用指南的详细内容，更多关于Python进度条神器tqdm的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

Python的Dict对象源码分析
这篇文章主要介绍了Python的Dict对象源码分析,PyDictObject即字典对象，类似于C++ STL中的map，但STL中以红黑树实现，Python中dict以hash表(散列表)实现,需要的朋友可以参考下
2023-08-08
python tkinter GUI绘制,以及点击更新显示图片代码
这篇文章主要介绍了python tkinter GUI绘制,以及点击更新显示图片代码，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-03-03
详解Python中的__new__、__init__、__call__三个特殊方法
用双下划线包围的特殊方法在Python中又被成为魔术方法,类似于C++等语言中的构造函数,这里我们就来详解Python中的__new__、__init__、__call__三个特殊方法:
2016-06-06
Python3之不使用第三方变量,实现交换两个变量的值
今天小编就为大家分享一篇Python3之不使用第三方变量,实现交换两个变量的值，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-06-06
python魔法方法-属性转换和类的表示详解
下面小编就为大家带来一篇python魔法方法-属性转换和类的表示详解。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2016-07-07
Pycharm 设置默认解释器路径和编码格式的操作
这篇文章主要介绍了Pycharm 设置默认解释器路径和编码格式的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-02-02
Python 字符串操作详情
这篇文章主要介绍了Python 字符串操作，所谓字符串，就是由0个或者多个字符组成的有限序列，字符串的字符可以是特殊符号、英文字母、中文字符、日文的平假名或片假名、希腊字母、Emoji字符等等。下面我们大家一起来学习文章详细内容吧
2021-11-11
python多维数组分位数的求取方式
这篇文章主要介绍了python多维数组分位数的求取方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-03-03
python深度优先搜索和广度优先搜索
这篇文章主要介绍了python实现图的深度优先搜索和广度优先搜索相关知识点，对此有兴趣的朋友学习下。
2018-02-02
决策树的python实现方法
这篇文章主要介绍了决策树的python实现方法,详细分析了决策树的优缺点及算法思想并以完整实例形式讲述了Python实现决策树的方法,具有一定的借鉴价值,需要的朋友可以参考下
2014-11-11