这篇文章主要为大家展示了python中如何输出结果刷新及进度条，内容简而易懂，下面让小编带大家一起学习一下吧。
print函数
python输出主要使用print函数，print函数介绍：
print(*objects, sep=' ', end='\n', file=sys.stdout, flush=False)
*objects表示要打印的值，表示多个无名参数或需要打印的值；
sep=' '，对应上面要打印的值中间间隔，默认一个空格；
end='\n'，传入值打印完后的结束符号，默认为换行符，可以自行设置；
file=sys.stdout，设置打印输出参数，默认打印到终端，也可设置打印保存到文件；
flush=False，是否刷新打印结果。
一行输出结果并刷新
在一行中显示输出结果，每次刷新，其中'\r'表示回到当前的开头，end=''表示结束符为空，这样就可以每次更新结果
import time
for i in range(15):
time.sleep(0.5) # 这里为了查看输出变化，实际使用不需要sleep
print('\r', i, end='')
# print('\r', 15-i, end='') # 从两位变一位会有问题 上面代码有个问题，当输出i从大到小，有位数变化时，结果不正确，可用format格式化输出，可解决问题：
import time
for i in range(15):
time.sleep(0.5)
print('\r', "{:d}".format(15-i), end='')模型训练中loss和acc的刷新输出
我们在训练机器学习和深度学习模型中，总会隔一段时间输出损失函数和准确率，每次都直接print输出，终端会输出很多信息，这里用单行输出并刷新的方法来输出这些信息，我们设置epochs和batch的数量，每次batch输出刷新，一个epoch完后同时输出train和test的结果。
import time
# 设置epochs和batch的数量
epochs = 5
n_batch = 15
# 这里是测试自己设置的loss和acc
train_loss = 1.2345
train_acc = 0.345678
test_loss = 1.1234
test_acc = 0.235467
for i in range(epochs):
for j in range(n_batch):
time.sleep(0.5)
train_loss -= 0.001
train_acc += 0.0001
print("\rEpoch: {:d} batch: {:d} loss: {:.4f} acc: {:.4f} | {:.2%}"
.format(i+1, j+1, train_loss, train_acc, (j+1)*1.0/n_batch), end='')
test_loss -= 0.001
test_acc += 0.0001
print("\rEpoch: {:d}/{:d} train_loss: {:.4f} test_loss: {:.4f} train_acc: {:.4f} test_acc: {:.4f}"
.format(i+1, 5, train_loss, test_loss, train_acc, test_acc), end='\n')这里注意，print里"Epoch"前面有一个"\r"，这个必须要有，同时里面循环end=''，外面循环end='\n'，最终打印结果如下：
tqdm显示进度条
首先安装tqdm：pip install tqdm
简单使用，读取整数，直接在tqdm中传入一个list， 如果直接给定的是一个整数，可以直接用trange
import time from tqdm import tqdm, trange for i in tqdm(range(100)): time.sleep(0.05) # do something # for i in trange(100): # time.sleep(0.05) # # do something
显示结果如下，显示有百分比，以及当前处理到多少个
tdqm输入的list可以是字符串，也可以对输出进度条加一些描述
import time
from tqdm import tqdm
pbar = tqdm(["a", "b", "c", "d", "e"])
for char in pbar:
time.sleep(0.8)
pbar.set_description("Processing %s" % char)
# pbar.set_description("Processing {0}".format(char))
以上就是关于python中如何输出结果刷新及进度条的内容，如果你们有学习到知识或者技能，可以把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
