1 简介

在日常工作中，我们运行程序经常会用到「循环迭代」，假如这个执行时间很短，那倒也无所谓。但是有一些过程耗时蛮长的，给其加上「进度条」(progress bar)，可以帮我们监控代码执行进度，以及过程出现异常的情况，非常实用。这里为大家介绍Python中非常实用又风格迥异的两个进度条相关库——tqdm与alive-progress的主要用法。

2 tqdm常用方法

tqdm是Python中所有进度条相关库中最出名的，既然是最出名的，自然有它独到之处。

tqdm不仅可以生成基础的可在终端中显示的进度条，还可以配合jupyter notebook和jupyter lab生成更加美观的网页「交互」部件形式的进度条，更是和pandas强强联手，为pandas中的一些操作提供专有的进度条功能。

下面我们来对tqdm的主要功能进行介绍。

2.1 基础用法

因为是第三方库，首先需要利用pip install tqdm或 conda install -c conda-forge tqdm对其进行安装，安装完成后先来看看它最基本的用法：

利用tqdm.tqdm，将for循环过程中进行迭代的对象简单包裹，就实现了为循环过程添加进度条以及打印执行速度、已运行时间与预估剩余运行时间等实用信息的功能，同样也可用于「列表推导」：

而针对迭代对象是range()的情况，tqdm还提供了简化版的trange()来代替tqdm(range())：

其附带的参数desc还可以帮助我们设置进度条的说明文字：

而如果想要在迭代过程中变更说明文字，还可以预先实例化进度条对象，在需要刷新说明文字的时候执行相应的程序：

但当迭代的对象长度一开始未知时，譬如对pandas中的DataFrame.itertuples()进行迭代，我们就只能对其执行速度等信息进行估计，但无法看到进度条递增情况，因为tqdm不清楚迭代的终点如何：

2.2 配合jupyter notebook/jupyter lab的美观进度条

tqdm对jupyter notebook和jupyter lab有着特殊的支持，且使用方法非常简单，只需要将原有的from tqdm import XXX的相应功能导入格式修改为from tqdm.notebook import XXX就可以了，以trange为例：

2.3 配合pandas中的apply

tqdm对pandas中的apply()过程提供了特殊的支持，因为pandas中的apply()本质上就是串行循环运算，你可以将pandas中的任何apply操作替换为progress_apply，并且记住每个单独的progress_apply前要先执行tqdm.pandas()，就像下面的例子一样：

3 alive-progress常用方法

虽然与tqdm一样都是为了给循环过程加上进度条而诞生的库，但alive-progress相比tqdm增加了更多花样繁多的动态效果，我们通过调用其专门提供的showtime()函数可以查看所有可用的动态进度条样式：

同样类似地可以查看所有进度条样式：

使用起来也是非常简单，但与tqdm用法区别很大，需要配合with关键词，譬如下面我们使用到alive_progress中的alive_bar来生成动态进度条：

通过修改bar参数来改变进度条的样式：

比较遗憾的是目前的alive-progress只能在终端中运行，还没有为jupyter开发更美观的交互式部件，但你可以在譬如网络爬虫等任务中使用它，效果也是很不错的。然后想学习python的同学可以看一下教程。