本文旨在解决在Python递归循环过程中，如何在终端实时显示程序运行状态的问题。通过介绍tqdm库的使用，并结合二分查找的实际案例，展示如何在复杂循环结构中创建进度条，以便更好地监控程序运行进度，提升开发效率。
在进行复杂计算或深度递归循环时，了解程序的运行状态至关重要。 简单的print语句虽然可以输出信息，但在嵌套循环或递归调用中，输出信息可能混乱，难以追踪进度。本文将介绍如何使用 tqdm 库在终端创建进度条，实时显示程序运行状态，从而更好地监控程序的执行过程。
tqdm 库简介
tqdm 是一个快速、可扩展的 Python 进度条库，可以在循环和长时间运行的任务中添加进度条。它易于使用，并提供了丰富的自定义选项。
tqdm 的基本用法
tqdm 的基本用法非常简单，只需将需要监控的迭代对象传递给 tqdm() 函数即可。
立即学习“Python免费学习笔记（深入）”；
from tqdm import tqdm
import time
for i in tqdm(range(100)):
# 模拟耗时操作
time.sleep(0.1)这段代码会在终端显示一个进度条，随着循环的进行，进度条会不断更新，显示循环的进度。
在嵌套循环中使用 tqdm
在嵌套循环中使用 tqdm 也很方便，可以为每个循环创建一个进度条。 为了避免进度条互相干扰，可以使用 leave=False 参数，使内部循环的进度条在完成后消失。
from tqdm import tqdm
import time
for i in tqdm(range(10), desc="Outer Loop"):
for j in tqdm(range(5), desc="Inner Loop", leave=False):
# 模拟耗时操作
time.sleep(0.1)这段代码会显示两个进度条，一个用于外部循环，一个用于内部循环。内部循环的进度条在完成后会自动消失。
在复杂循环中使用 tqdm：二分查找示例
在更复杂的场景中，例如二分查找，循环次数不是预先确定的，而是取决于收敛条件。在这种情况下，可以根据初始区间的大小和精度要求来估算最大迭代次数，并将其作为 tqdm 的 total 参数。
from tqdm import tqdm
import math
import time
def costly_subroutine(x):
# 模拟耗时操作
time.sleep(0.05)
# 模拟条件判断
return x > 0.7
low = 0.0
high = 1.0
precision = 1e-5
# 估算最大迭代次数
max_iterations = math.ceil(math.log2((high - low) / precision))
with tqdm(total=max_iterations, desc="Binary Search") as pbar:
while high - low > precision:
mid = (high + low) / 2
if costly_subroutine(mid):
high = mid
else:
low = mid
pbar.update(1)
print(f"Result: {mid}")代码解释:
- 导入必要的库: 导入 tqdm 用于创建进度条，math 用于数学计算，time 用于模拟耗时操作。
- 定义 costly_subroutine 函数: 模拟一个耗时的子程序，用于二分查找的条件判断。
- 设置初始值: 定义查找范围的上下界 low 和 high，以及精度要求 precision。
- 估算最大迭代次数: 使用对数函数计算二分查找的最大迭代次数，确保进度条能够正确显示。
- 创建 tqdm 实例: 使用 with 语句创建 tqdm 实例，确保进度条在使用完毕后能够正确关闭。total 参数设置为最大迭代次数，desc 参数用于设置进度条的描述信息。
- 执行二分查找: 在 while 循环中执行二分查找，每次迭代更新 low 或 high 的值，并使用 pbar.update(1) 更新进度条。
- 输出结果: 循环结束后，输出最终的结果 mid。
注意事项:
- 在估算最大迭代次数时，需要确保估算值足够大，以覆盖所有可能的迭代情况。否则，进度条可能会提前结束。
- 使用 with 语句创建 tqdm 实例可以确保进度条在使用完毕后能够正确关闭，避免资源泄漏。
总结
tqdm 库是一个非常实用的工具，可以帮助开发者在终端实时监控程序的运行状态。通过简单的几行代码，就可以为循环和长时间运行的任务添加进度条，从而更好地了解程序的执行过程，提高开发效率。在处理复杂的递归循环或二分查找等算法时，tqdm 尤其有用，能够帮助开发者更好地调试和优化代码。
