当需要在 Python 中添加进度条来显示任务的执行进度时，tqdm 是一个非常有用的包。tqdm 是一个快速、可扩展的进度条工具，可以轻松地将进度条添加到循环、迭代和其他任务中。本文将详细介绍 tqdm 包，并提供多个使用实例。

安装 tqdm 包

在开始之前，您需要先安装 tqdm 包。您可以使用 pip 在命令行中运行以下命令来安装：

pip install tqdm

使用 tqdm 包

导入 tqdm 模块，并使用其中的函数和方法来添加进度条。以下是多个使用实例：

简单循环进度条：

from tqdm import tqdm
import time

for i in tqdm(range(10)):
    time.sleep(0.5)

在上面的示例中，我们导入了 tqdm 模块，并使用 tqdm 函数包装了一个简单的循环。在每次迭代时，进度条将显示当前进度。使用 range(10) 表示迭代 10 次，每次迭代后使用 time.sleep(0.5) 模拟一段耗时的任务。

文件迭代器进度条：

from tqdm import tqdm

with open('file.txt', 'r') as file:
    for line in tqdm(file):
        # 处理每一行

在上面的示例中，我们打开一个文件并使用 tqdm 函数包装了文件迭代器。在每次迭代时，进度条将显示当前处理的行数。

自定义进度条描述和样式：

from tqdm import tqdm

with tqdm(total=100, desc='Processing', bar_format='{l_bar}{bar}| {n_fmt}/{total_fmt}') as pbar:
    for i in range(10):
        # 执行任务
        pbar.update(10)

在上面的示例中，我们创建了一个进度条对象，并使用 total 参数设置总进度为 100。通过 desc 参数，我们设置了进度条的描述为 "Processing"。使用 bar_format 参数自定义进度条的样式，其中 {l_bar} 表示进度条左侧的描述信息，{bar} 表示进度条本身，{n_fmt} 表示当前进度，{total_fmt} 表示总进度。在每次迭代时，使用 pbar.update(10) 来更新进度条。

嵌套进度条：

from tqdm import tqdm

with tqdm(total=100, desc='Outer') as pbar_outer:
    for i in range(10):
        with tqdm(total=10, desc='Inner') as pbar_inner:
            for j in range(10):
                # 执行任务
                pbar_inner.update(1)
        pbar_outer.update(10)

在上面的示例中，我们创建了一个外部进度条和一个内部进度条。外部进度条用于跟踪外部循环的进度，内部进度条用于跟踪内部循环的进度。在每次迭代时，使用 pbar_inner.update(1) 和 pbar_outer.update(10) 来更新内部和外部进度条。

通过使用 tqdm 包，您可以轻松地添加进度条来显示任务的执行进度，提高代码的可读性和用户体验。

请注意，tqdm 包提供了更多的功能和选项，如设置进度条样式、设置动画效果、显示剩余时间等。您可以查阅官方文档以了解更多信息。

Jupyter Notebook中使用进度条

在 Jupyter Notebook 中，tqdm 进度条将以交互式的方式显示在循环单元格下方。它会动态更新进度，并显示当前的进度百分比。

如果您在 Jupyter Notebook 中执行的是长时间运行的任务，而不是简单的循环，您可以使用 tqdm_notebook 函数代替 tqdm 函数，以获得更好的交互式体验。以下是一个示例：

from tqdm import tqdm_notebook
import time

for i in tqdm_notebook(range(10)):
    time.sleep(0.5)

使用 tqdm_notebook 函数可以在 Jupyter Notebook 中获得更好的显示效果，并提供更好的交互性。

在 Jupyter Notebook 中使用 tqdm 包可以帮助您更好地可视化任务的执行进度，并提供更好的反馈和用户体验。

希望这对您在 Jupyter Notebook 中使用 tqdm 包有所帮助！

Pandas progress apply

# from tqdm.autonotebook import tqdm
# tqdm.pandas()

# df.progress_apply(row_function, axis=1)

import pandas as pd
import numpy as np
from tqdm import tqdm
from tqdm.gui import tqdm as tqdm_gui

df = pd.DataFrame(np.random.randint(0, 100, (100000, 6)))
tqdm.pandas(ncols=200)  # can use tqdm_gui, optional kwargs, etc
# Now you can use `progress_apply` instead of `apply`
a = df[0].progress_apply(lambda x: x**2)
# gb = df.groupby(0)?
# gb.first