tqdm

作为最流行的编程语言之一，Python 拥有大量优秀的库，如Pandas、Numpy、Matplotlib、SciPy 等， 它们极大的提升了开发速度。 在这篇文章中，我给大家分享一些让人眼前一亮的库，这些库不仅有趣，而且非常实用，同时也展示 Python 社区的蓬勃发展。 1、Bashplotlib 老实说， 当我第一次看到这个库时， 我质疑为什么人们可能需要这个呢？Bashplotlib 是一个 Python 库，使我们能够在命令行粗旷的环境中绘制数据。 很快我意识到，如果我们没有可用的GUI时，它可能会很有用。这种情况可能不会那么频繁，但它却是一个非常有趣的Python库。 安装 pip install bashplotlib 让我们看看一些例子 此外，还可以从文本文件的散点图中绘制数据 2、PrettyTable 我刚刚介绍的 Bashplotlib 用于在命令行环境中绘制数据，而 PrettyTable 则用于漂亮的格式输出表。 安装 pip install prettytable 让我们看个例子 from prettytable import PrettyTable table = PrettyTable() table.field_names = [ 'Name' , 'Age' , 'City' ] table.add_row([ "Alice" , 20 ,

1 from tqdm import tqdm 2 3 for i in tqdm(range(10000 )): 4 """ 一些操作 """ 5 pass 效果： 下面说一下tqdm中的参数： iterable= None, desc = None, 传入str类型，作为进度条标题（类似于说明） total = None, 预期的迭代次数 leave = True, file = None, ncols = None, 可以自定义进度条的总长度 mininterval = 0.1 , 最小的更新间隔 maxinterval = 10.0 , 最大更新间隔 miniters=None, ascii=None, unit='it', unit_scale=False, dynamic_ncols=False, smoothing=0.3, bar_format=None, initial=0, position=None, postfix 以字典形式传入 详细信息 例如 速度= 10， 1 dict = { " a " :123, " b " :456 } 2 for i in tqdm(range(10),total=10,desc = " WSX " ,ncols = 100,postfix = dict,mininterval = 0.3 ): 3 pass 结果： 1

Tqdm 是 Python 进度条库，可以在 Python 长循环中添加一个进度提示信息。用户只需要封装任意的迭代器，是一个快速、扩展性强的进度条工具库。 用法： tqdm(iterator) 代码地址： https://github.com/tqdm/tqdm 安装： pip install tqdm 使用方法一: 传入可迭代对象 import time from tqdm import * for i in tqdm(range(1000)): time.sleep(.01) #进度条每0.1s前进一次，总时间为1000*0.1=100s 100%|██████████████████████████████████████████████████████████████████████████████| 1000/1000 [00:10<00:00, 93.97it/s] 使用方法二: trange trange(i) 是 tqdm(range(i)) 的简单写法 from tqdm import trange for i in trange(100): #do something pass 100%|█████████████████████████████████████████████████████████████████████████████| 100/100

爬取抖音的热门音乐 这个就相对来说简单一点，这是代码运行的结果 获取音乐的网址https://kuaiyinshi.com/hot/music/?source=dou-yin&page=1 打开该网页F12,F5刷新 做义工只需要以上的数据 根据beautifulsoup去获取,直接上代码 headers = { 'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' } # 保存路径 save_path = "G: \\ Music \\ douyin \\ " url = "https://kuaiyinshi.com/hot/music/?source=dou-yin&page=1" # 获取响应 res = requests.get(url , headers =headers) # 使用 beautifulsoup 解析 soup = BeautifulSoup(res.text , 'lxml' ) # 选择标签获取最大页数 max_page = soup.select( 'li.page-item > a' )[- 2 ].text # 循环请求 for page

点击 蓝字 关注我，有干货领取！ 文章的数据和代码都已上传至我的github仓库：https://github.com/CNFeffery/DataScienceStudyNotes 一、简介 pandas提供了很多方便简洁的方法，用于对单列、多列数据进行批量运算或分组聚合运算，熟悉这些方法后可极大地提升数据分析的效率，也会使得你的代码更加地优雅简洁。 本文就将针对pandas中的 map() 、 apply() 、 applymap() 、 groupby() 、 agg() 等方法展开详细介绍，并结合实际例子帮助大家更好地理解它们的使用技巧。 二、非聚合类方法 这里的非聚合指的是数据处理前后没有进行分组操作，数据列的长度没有发生改变，因此本章节中不涉及 groupby() 。 首先读入数据，这里使用到的全美婴儿姓名数据，包含了1880-2018年全美每年对应每个姓名的新生儿数据，在jupyterlab中读入数据并打印数据集的一些基本信息以了解我们的数据集： import pandas as pd #读入数据 data = pd.read_csv( 'data.csv' ) data.head() #查看各列数据类型、数据框行列数 print(data.dtypes) print() print(data.shape) 2.1 map() 类似Python内建的 map() 方法

作者 | 小F 来源 | 法纳斯特 头图 | CSDN下载自视觉中国 关于动态条形图，小F以前推荐过「Bar Chart Race」这个库。三行代码就能实现动态条形图的绘制。 有些同学在使用的时候，会出现一些错误。一个是加载文件报错，另一个是生成GIF的时候报错。 这是因为作者的示例是网络加载数据，会读取不到。通过读取本地文件，就不会出错。 GIF生成失败一般是需要安装imagemagick(图片处理工具)。 最近小F又发现一个可视化图库「Pandas_Alive」，不仅包含动态条形图，还可以绘制动态曲线图、气泡图、饼状图、地图等。 同样也是几行代码就能完成动态图表的绘制。 安装版本建议是0.2.3，matplotlib版本是3.2.1。 同时需自行安装tqdm(显示进度条)和descartes(绘制地图相关库)。 要不然会出现报错，估计是作者的requestment.txt没包含这两个库。 好了，成功安装后就可以引入这个第三方库，直接选择加载本地文件。 import pandas_aliveimport pandas as pdcovid_df = pd.read_csv('data/covid19.csv', index_col=0, parse_dates=[0])covid_df.plot_animated(filename='examples/example-barh