В Jupyter Notebook отслеживание хода длительных вычислений или итераций может оказаться затруднительным. Однако с помощью tqdm(что по-арабски означает «такаддум», что означает «прогресс» на английском языке) вы можете легко добавить индикаторы выполнения в свой блокнот. В этой статье мы рассмотрим различные методы интеграции tqdmв рабочий процесс вашего блокнота, сопровождаемые примерами кода. Давайте погрузимся!

Метод 1: базовое использование
Самый простой способ использовать tqdmв Jupyter Notebook — обернуть итерацию функцией tqdm. Вот фрагмент кода, демонстрирующий это:

from tqdm import tqdm
import time
data = range(100)  # Example iterable
for item in tqdm(data):
    time.sleep(0.1)  # Simulating computation time

Метод 2. Настройка индикатора выполнения
tqdmпредоставляет несколько вариантов настройки для улучшения внешнего вида и функциональности индикатора выполнения. Вы можете изменить внешний вид, положение и формат индикатора выполнения, используя такие параметры, как desc, position, bar_formatи другие. Вот пример:

from tqdm import tqdm
data = range(100)  # Example iterable
for item in tqdm(data, desc="Processing", ncols=80):
    # Your computation here

Метод 3: вложенные индикаторы выполнения
В сценариях, где у вас есть вложенные итерации, вы можете создать вложенные индикаторы выполнения с помощью контекстного менеджера nestedtqdm. Это позволяет вам одновременно визуализировать ход выполнения как внешнего, так и внутреннего циклов. Вот пример:

from tqdm import tqdm
outer_data = range(10)  # Outer loop iterable
inner_data = range(100)  # Inner loop iterable
with tqdm(outer_data, desc="Outer Loop") as outer_pbar:
    for outer_item in outer_pbar:
        with tqdm(inner_data, desc="Inner Loop") as inner_pbar:
            for inner_item in inner_pbar:
                # Your computation here

Метод 4: интеграция с Pandas и DataFrames
При работе с большими наборами данных или выполнении анализа данных tqdmможно интегрировать с Pandas и DataFrames, чтобы отслеживать ход таких операций, как чтение файлов CSV или применение преобразований. Вот пример:

from tqdm import tqdm
import pandas as pd
df = pd.read_csv('data.csv')  # Example DataFrame
# Apply a transformation while tracking progress
tqdm.pandas(desc="Processing")
df['new_column'] = df['existing_column'].progress_apply(lambda x: x * 2)

В этой статье мы рассмотрели различные способы улучшения работы с Jupyter Notebook с помощью tqdm. От базового использования до настройки внешнего вида индикатора выполнения, обработки вложенных итераций и интеграции с Pandas — tqdmпредлагает ряд функций, которые сделают рабочие процессы вашего блокнота более эффективными и визуально привлекательными. Приняв tqdm, вы сможете легко отслеживать прогресс и улучшить общую читаемость вашего кода.

Помните, что использование индикаторов выполнения не только помогает отслеживать ход вычислений, но и улучшает представление кода, особенно при совместном использовании блокнотов с другими. Так что вперед, интегрируйте tqdmв свой ноутбук и наслаждайтесь более плавным и продуктивным программированием!