Python递归输出保存技巧分享
在Python递归循环中,如何实时监控程序运行状态?本文针对这一问题,提出了一种实用方法:利用tqdm库在终端创建进度条,实时显示程序运行进度。通过tqdm,开发者可以轻松地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,提升开发效率。文章详细介绍了tqdm库的基本用法,包括在嵌套循环和复杂循环(如二分查找)中的应用,并提供了示例代码,帮助读者快速掌握如何在Python递归中保存终端输出,实现程序运行状态的实时监控和调试。无论您是处理复杂的递归循环还是二分查找等算法,tqdm都能助您一臂之力,优化代码,提高开发效率。

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。
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。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。
动态元素唯一ID分配方法详解
- 上一篇
- 动态元素唯一ID分配方法详解
- 下一篇
- JavaOptional空值处理技巧
-
- 文章 · python教程 | 8小时前 |
- Python logging lastResort 怎样处理没有配置 handler 的日志
- 289浏览 收藏
-
- 文章 · python教程 | 8小时前 | 并发编程 · Python教程 · Python logging 后台线程 logging.handlers.QueueListener 日志关闭
- Python logging.handlers.QueueListener 怎样优雅停止后台日志线程
- 143浏览 收藏
-
- 文章 · python教程 | 8小时前 |
- Python tomllib 怎样读取二进制 TOML
- 114浏览 收藏
-
- 文章 · python教程 | 8小时前 | 文件处理 · Python教程 · Python 目录复制 shutil.copytree dirs_exist_ok 文件覆盖
- Python shutil.copytree 怎样合并已有目标目录
- 165浏览 收藏
-
- 文章 · python教程 | 8小时前 |
- Python pathlib 复制文件时怎样控制符号链接
- 478浏览 收藏
-
- 文章 · python教程 | 8小时前 |
- Python inspect.signature 怎样读取装饰器保留的参数
- 298浏览 收藏
-
- 文章 · python教程 | 9小时前 |
- Python configparser 怎样转义值里的百分号
- 393浏览 收藏
-
- 文章 · python教程 | 9小时前 |
- Python asyncio.PriorityQueue 怎样保持相同优先级的稳定顺序
- 306浏览 收藏
-
- 文章 · python教程 | 9小时前 |
- Python asyncio.Runner 怎样复用同一个事件循环运行多个入口
- 204浏览 收藏
-
- 文章 · python教程 | 9小时前 |
- Python TaskGroup 怎样处理嵌套任务组异常
- 319浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 479次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 535次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 558次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 507次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 328次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
