132 lines
4.5 KiB
Plaintext
132 lines
4.5 KiB
Plaintext
{
|
||
"cells": [
|
||
{
|
||
"cell_type": "code",
|
||
"execution_count": 2,
|
||
"id": "bd70558d-d516-46a7-956d-d85685f46b96",
|
||
"metadata": {},
|
||
"outputs": [
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"Простой процесс:\n"
|
||
]
|
||
},
|
||
{
|
||
"name": "stderr",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"Базовая загрузка: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 100/100 [00:01<00:00, 93.30it/s]\n"
|
||
]
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Обработка строк таблицы:\n"
|
||
]
|
||
},
|
||
{
|
||
"name": "stderr",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"Анализ данных: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 6/6 [00:01<00:00, 3.32it/s]\n"
|
||
]
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Стилизованная загрузка:\n"
|
||
]
|
||
},
|
||
{
|
||
"name": "stderr",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"Сохранение отчета: 100%|████████████████████| 100/100 [00:02<00:00, 48.43it/s]"
|
||
]
|
||
},
|
||
{
|
||
"name": "stdout",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n",
|
||
"Все процессы завершены успешно!\n"
|
||
]
|
||
},
|
||
{
|
||
"name": "stderr",
|
||
"output_type": "stream",
|
||
"text": [
|
||
"\n"
|
||
]
|
||
}
|
||
],
|
||
"source": [
|
||
"from tqdm import tqdm\n",
|
||
"import time\n",
|
||
"import pandas as pd\n",
|
||
"\n",
|
||
"# 0. Создаем данные (чтобы не было ошибки \"df is not defined\")\n",
|
||
"data = {\n",
|
||
" \"Имя\": [\"Анна\", \"Борис\", \"Виктор\", \"Галина\", \"Дмитрий\", \"Елена\"],\n",
|
||
" \"Возраст\": [21, 22, 23, 24, 25, 26],\n",
|
||
" \"Баллы\": [89, 76, 95, 82, 90, 88]\n",
|
||
"}\n",
|
||
"df = pd.DataFrame(data)\n",
|
||
"\n",
|
||
"# 1. Базовый прогресс-бар\n",
|
||
"print(\"Простой процесс:\")\n",
|
||
"for i in tqdm(range(100), desc='Базовая загрузка'):\n",
|
||
" time.sleep(0.01)\n",
|
||
"\n",
|
||
"# 2. Использование tqdm для обработки данных таблицы\n",
|
||
"print(\"\\nОбработка строк таблицы:\")\n",
|
||
"# Здесь добавили .shape[0], чтобы tqdm знал общее количество строк\n",
|
||
"for index, row in tqdm(df.iterrows(), total=df.shape[0], desc='Анализ данных'):\n",
|
||
" time.sleep(0.3) # Симулируем обработку каждой строки\n",
|
||
"\n",
|
||
"# 3. Кастомная стилизация\n",
|
||
"print(\"\\nСтилизованная загрузка:\")\n",
|
||
"for i in tqdm(range(100), desc='Сохранение отчета', bar_format='{l_bar}{bar:20}{r_bar}'):\n",
|
||
" time.sleep(0.02)\n",
|
||
"\n",
|
||
"print(\"\\nВсе процессы завершены успешно!\")\n"
|
||
]
|
||
},
|
||
{
|
||
"cell_type": "code",
|
||
"execution_count": null,
|
||
"id": "1beae766-f7ad-4e74-b6fa-a44ca8672667",
|
||
"metadata": {},
|
||
"outputs": [],
|
||
"source": []
|
||
}
|
||
],
|
||
"metadata": {
|
||
"kernelspec": {
|
||
"display_name": "Python 3 (ipykernel)",
|
||
"language": "python",
|
||
"name": "python3"
|
||
},
|
||
"language_info": {
|
||
"codemirror_mode": {
|
||
"name": "ipython",
|
||
"version": 3
|
||
},
|
||
"file_extension": ".py",
|
||
"mimetype": "text/x-python",
|
||
"name": "python",
|
||
"nbconvert_exporter": "python",
|
||
"pygments_lexer": "ipython3",
|
||
"version": "3.13.5"
|
||
}
|
||
},
|
||
"nbformat": 4,
|
||
"nbformat_minor": 5
|
||
}
|