没有经过彻底的测试，但是你可以用read()方法实现自定义类，你可以从requests响应中逐行读取并更新tqdm条：

import requests
import pandas as pd
from tqdm import tqdm

url = "https://public.tableau.com/views/PPBOpenDataDownloads/UseOfForce-All.csv?:showVizHome=no"

class TqdmReader:
    def __init__(self, resp):
        total_size = int(resp.headers.get("Content-Length", 0))

        self.resp = resp
        self.bar = tqdm(
            desc=resp.url,
            total=total_size,
            unit="iB",
            unit_scale=True,
            unit_divisor=1024,
        )

        self.reader = self.read_from_stream()

    def read_from_stream(self):
        for line in self.resp.iter_lines():
            line += b"\n"
            self.bar.update(len(line))
            yield line

    def read(self, n=0):
        try:
            return next(self.reader)
        except StopIteration:
            return ""

with requests.get(url, params=None, stream=True) as resp:
    df = pd.read_csv(TqdmReader(resp))

print(len(df))

图纸：

https://public.tableau.com/views/PPBOpenDataDownloads/UseOfForce-All.csv?:showVizHome=no: 100%|██████████████████████████████████████████████████████████████████████████████| 2.09M/2.09M [00:00<00:00, 2.64MiB/s]
7975

这里是另一个例子，用于执行Pandas分块CSV阅读器，并在缺少总长度或记录编号的情况下显示一些进度信息。

• 并不总是能够提前知道CSV或其他Pandas阅读器格式中包含的大小或总行数
• 在本例中，有一个简单的块过滤循环，它提取较大数据集的一些行，以创建适合RAM的较小数据集
• 示例中的数据集为StackOverflow dump
• 我们使用tqdm和Jupyter notebook支持来显示HTML进度条，它看起来比notebook中的文本模式进度条更干净
• 因为当我们对块进行操作时，我们不知道文件的真实的结束，我们不知道总操作将持续多长时间-这可以通过给定tqdm(total=)参数来更改，您可以获得自动估计，但总数必须在Pandas reader之外获得
• 不管我们是否知道total，我们总是可以显示状态信息，如已过去的时间和已经处理了多少行

from tqdm.auto import tqdm
from pandas.io.parsers.readers import TextFileReader

chunk_size = 2**16  # 64k rows at a time
result_df: pd.DataFrame = None
matched_chunks: list[pd.DataFrame] = []
match_count = row_count = 0

with tqdm() as progress_bar:

    reader: TextFileReader

    rows_read = 0

    with pd.read_csv("csv/Posts.csv", chunksize=chunk_size) as reader:
        chunk: pd.DataFrame
        for chunk in reader:
            
            # Make Tags column regex friendly
            chunk["Tags"] = chunk["Tags"].fillna("")
            
            # Find posts in this chunk that match our tag filter
            matched_chunk = chunk.loc[chunk["Tags"].str.contains(tags_regex, case=False, regex=True)]
            
            matched_chunks.append(matched_chunk)

            match_count += len(matched_chunk)
            row_count += len(chunk)

            last = chunk.iloc[-1]

            # Show the date where the filter progres is going.
            # We are finished when reaching 2023-06
            progress_bar.set_postfix({
                "Date": last["CreationDate"],      
                "Matches": match_count,      
                "Total rows": f"{row_count:,}",
            })

            # Display rows read as a progress bar,
            # but we do not know the end
            progress_bar.update(len(chunk))

result_df = pd.concat(matched_chunks)

Full code here