请参阅本文，了解range和xrange之间的差异：

引用：

range返回您所认为的结果：连续列表整数，具有以0开头的定义长度。xrange，返回一个“xrange对象”，它的行为非常像迭代器

xrange返回一个迭代器，每次只在内存中保留一个数字。范围将整个数字列表保存在内存中。

在Python 2.x中：

range会创建一个列表，所以如果您选择range（10000000），它会在内存中创建一个包含9999999个元素的列表。xrange是一个延迟求值的序列对象。

在Python 3中：

range相当于Python 2的xrange。要获得列表，必须显式使用list（range（…））。xrange不再存在。

range生成整个列表并返回它。xrange不——它根据需要生成列表中的数字。

xrange使用迭代器（动态生成值），range返回一个列表。

一定要花一些时间阅读图书馆参考资料。你越熟悉它，就越能更快地找到类似问题的答案。特别重要的是关于内置对象和类型的前几章。

xrange类型的优点是xrange对象总是使用相同数量的内存，无论它代表的范围大小如何。没有一致的性能优势。

另一种快速查找Python构造信息的方法是docstring和help函数：

print xrange.__doc__ # def doc(x): print x.__doc__ is super useful
help(xrange)

这是出于优化的原因。

range（）将创建从开始到结束的值列表（示例中为0..20）。这将成为非常大范围的昂贵操作。

另一方面，xrange（）更为优化。它只会在需要时（通过xrange序列对象）计算下一个值，不会像range（）那样创建所有值的列表。

range会创建一个列表，所以如果您选择range（10000000），它会在内存中创建一个包含9999999个元素的列表。xrange是一个生成器，因此它是一个序列对象。

这是正确的，但在Python3中，range（）将由Python2xrange（）实现。如果您需要实际生成列表，则需要执行以下操作：

list(range(1,100))

xrange只存储范围参数并根据需要生成数字。然而，Python的C实现目前将其args限制为C longs：

xrange(2**32-1, 2**32+1)  # When long is 32 bits, OverflowError: Python int too large to convert to C long
range(2**32-1, 2**32+1)   # OK --> [4294967295L, 4294967296L]

注意，在Python3.0中只有范围，它的行为类似于2.xxrange，但没有对最小和最大端点的限制。

range创建一个列表，所以如果您使用range（10000000），它将在内存中创建一个包含10000000个元素的列表。xrange是一个生成器，因此它的求值是惰性的。

这给您带来了两个好处：

您可以在不出现MemoryError的情况下迭代更长的列表。由于它懒洋洋地解析每个数字，如果您提前停止迭代，就不会浪费时间创建整个列表。

记住，使用timeit模块测试哪一小段代码更快！

$ python -m timeit 'for i in range(1000000):' ' pass'
10 loops, best of 3: 90.5 msec per loop
$ python -m timeit 'for i in xrange(1000000):' ' pass'
10 loops, best of 3: 51.1 msec per loop

就我个人而言，我总是使用range（），除非我处理的是非常庞大的列表——正如你所看到的，从时间上看，对于一个百万条目的列表，额外的开销仅为0.04秒。正如Corey所指出的，在Python 3.0中，xrange（）将消失，而range（）无论如何都会给您带来不错的迭代器行为。

当在一个循环中测试range和xrange时（我知道我应该使用timeit，但这是使用一个简单的列表理解示例从内存中快速删除的），我发现如下：

import time

for x in range(1, 10):

    t = time.time()
    [v*10 for v in range(1, 10000)]
    print "range:  %.4f" % ((time.time()-t)*100)

    t = time.time()
    [v*10 for v in xrange(1, 10000)]
    print "xrange: %.4f" % ((time.time()-t)*100)

其给出：

$python range_tests.py
range:  0.4273
xrange: 0.3733
range:  0.3881
xrange: 0.3507
range:  0.3712
xrange: 0.3565
range:  0.4031
xrange: 0.3558
range:  0.3714
xrange: 0.3520
range:  0.3834
xrange: 0.3546
range:  0.3717
xrange: 0.3511
range:  0.3745
xrange: 0.3523
range:  0.3858
xrange: 0.3997 <- garbage collection?

或者，在for循环中使用xrange：

range:  0.4172
xrange: 0.3701
range:  0.3840
xrange: 0.3547
range:  0.3830
xrange: 0.3862 <- garbage collection?
range:  0.4019
xrange: 0.3532
range:  0.3738
xrange: 0.3726
range:  0.3762
xrange: 0.3533
range:  0.3710
xrange: 0.3509
range:  0.3738
xrange: 0.3512
range:  0.3703
xrange: 0.3509

我的代码段测试是否正确？对xrange的较慢实例有何评论？或者更好的例子：-）

根据扫描/打印0-N项的要求，range和xrange的工作原理如下。

range（）-在内存中创建一个新列表，并获取整个0到N个项目（总共N+1个）并打印它们。xrange（）-创建一个迭代器实例，该实例扫描项目并只将当前遇到的项目保存在内存中，因此始终使用相同的内存量。

如果所需的元素只是在列表的开头，那么它可以节省大量的时间和内存。

文件清楚地写道：

此函数与range（）非常相似，但返回的是xrange对象而不是列表。这是一种不透明的序列类型，它产生与相应列表相同的值，而实际上没有同时存储所有值。xrange（）相对于range（）的优势很小（因为xrange）仍然需要在请求时创建值），除非在内存不足的机器上使用了非常大的范围，或者从未使用过范围的所有元素（例如，循环通常以break结束）。

什么range在运行时返回静态列表。xrange返回一个对象（其作用类似于生成器，尽管它肯定不是一个），在需要时从中生成值。

什么时候使用哪个？

如果你想为一个巨大的范围生成一个列表，比如10亿，特别是当你有一个“记忆敏感系统”，比如手机时，可以使用xrange。如果要在列表中重复多次，请使用范围。

PS：Python 3.x的range函数==Python 2.x的xrange函数。

Range返回一个列表，而xrange返回一个xrange对象，该对象占用相同的内存，而不考虑范围大小，因为在这种情况下，每次迭代只生成一个元素并可用，而在使用Range的情况下，所有元素都会一次生成并在内存中可用。

其他一些答案提到Python 3消除了2.x的范围，并将2.x的xrange重命名为range。然而，除非您使用3.0或3.1（没有人应该使用），否则它实际上是一种不同的类型。

正如3.1文档所说：

范围对象的行为很少：它们只支持索引、迭代和len函数。

然而，在3.2+中，range是一个完整的序列，它支持扩展切片，以及collections.abc.sequence的所有方法，其语义与列表相同*

而且，至少在CPython和PyPy（目前仅有的两个3.2+实现）中，它还具有索引和计数方法以及in运算符的常量时间实现（只要只传递整数）。这意味着在r中写123456在3.2+中是合理的，而在2.7或3.1中则是一个糟糕的想法。

*issubclass（xrange，collections.Sequence）在2.6-2.7和3.0-3.1中返回True的事实是一个在3.2中修复的错误，而不是后端口。

对于范围（..）/xrange（..）的较小参数，差异减小：

$ python -m timeit "for i in xrange(10111):" " for k in range(100):" "  pass"
10 loops, best of 3: 59.4 msec per loop

$ python -m timeit "for i in xrange(10111):" " for k in xrange(100):" "  pass"
10 loops, best of 3: 46.9 msec per loop

在这种情况下，xrange（100）的效率仅提高约20%。

range（）：range（1，10）返回从1到10个数字的列表&将整个列表保存在内存中。

xrange（）：与range（）类似，但不是返回列表，而是返回一个对象，该对象根据需要生成范围内的数字。对于循环，这比range（）稍快，内存效率更高。xrange（）对象类似于迭代器，并根据需要生成数字。（懒惰的评估）

In [1]: range(1,10)

Out[1]: [1, 2, 3, 4, 5, 6, 7, 8, 9]

In [2]: xrange(10)

Out[2]: xrange(10)

In [3]: print xrange.__doc__

xrange([start,] stop[, step]) -> xrange object

python中的xrange（）和range（）的工作方式与用户类似，但当我们讨论如何使用这两个函数分配内存时，就会出现不同。

当我们使用range（）时，我们为它正在生成的所有变量分配内存，因此不建议与要生成的大量变量一起使用。

另一方面，xrange（）一次只能生成一个特定的值，并且只能与for循环一起使用，以打印所需的所有值。

在python 2.x中

range（x）返回一个列表，该列表是在内存中用x元素创建的。

>>> a = range(5)
>>> a
[0, 1, 2, 3, 4]

xrange（x）返回一个xrange对象，它是一个生成器obj，可以根据需要生成数字。它们是在for循环（惰性评估）期间计算的。

对于循环，这比range（）稍快，内存效率更高。

>>> b = xrange(5)
>>> b
xrange(5)

range（x，y）返回x和y之间的每个数字的列表，如果使用for循环，则range会变慢。事实上，范围的指数范围更大。range（x.y）将打印出x和y之间所有数字的列表

xrange（x，y）返回xrange，但如果使用for循环，xrange会更快。xrange的索引范围较小。xrange不仅会打印出xrange（x，y），还会保留其中的所有数字。

[In] range(1,10)
[Out] [1, 2, 3, 4, 5, 6, 7, 8, 9]
[In] xrange(1,10)
[Out] xrange(1,10)

如果您使用for循环，那么它会起作用

[In] for i in range(1,10):
        print i
[Out] 1
      2
      3
      4
      5
      6
      7
      8
      9
[In] for i in xrange(1,10):
         print i
[Out] 1
      2
      3
      4
      5
      6
      7
      8
      9

使用循环时没有太大的区别，但打印循环时有区别！

在这个简单的示例中，您将发现xrange优于range的优势：

import timeit

t1 = timeit.default_timer()
a = 0
for i in xrange(1, 100000000):
    pass
t2 = timeit.default_timer()

print "time taken: ", (t2-t1)  # 4.49153590202 seconds

t1 = timeit.default_timer()
a = 0
for i in range(1, 100000000):
    pass
t2 = timeit.default_timer()

print "time taken: ", (t2-t1)  # 7.04547905922 seconds

在xrange的情况下，上面的示例没有反映出任何明显更好的内容。

现在看看下面的例子，与xrange相比，range真的很慢。

import timeit

t1 = timeit.default_timer()
a = 0
for i in xrange(1, 100000000):
    if i == 10000:
        break
t2 = timeit.default_timer()

print "time taken: ", (t2-t1)  # 0.000764846801758 seconds

t1 = timeit.default_timer()
a = 0
for i in range(1, 100000000):
    if i == 10000:
        break
t2 = timeit.default_timer() 

print "time taken: ", (t2-t1)  # 2.78506207466 seconds

使用range，它已经创建了一个从0到100000000的列表（耗时），但xrange是一个生成器，它只根据需要生成数字，也就是说，如果迭代继续的话。

在Python-3中，范围功能的实现与Python-2中的xrange功能的实现相同，而他们在Python-3中取消了xrange

快乐编码！！

range：-range将一次填充所有内容。这意味着范围中的每个数字都将占用内存。

xrange:xrange有点像生成器，当你想要数字的范围，但你不希望它们被存储时，它就会出现在图片中，就像你想使用for loop时一样。

每个人都对它进行了大量的解释。但我想让它自己看。我用蟒蛇。因此，我打开了资源监视器（在Windows！中），首先执行了以下命令：

a=0
for i in range(1,100000):
    a=a+i

然后检查“正在使用”内存中的更改。这是微不足道的。然后，我运行了以下代码：

for i in list(range(1,100000)):
    a=a+i

它立即占用了大量内存。我确信。你可以自己试试。

如果您使用的是Python 2X，那么在第一段代码中，将“range（）”替换为“xrange（）”，将“list（range（））”替换成“range（）”。

从帮助文档中。

Python 2.7.12

>>> print range.__doc__
range(stop) -> list of integers
range(start, stop[, step]) -> list of integers

Return a list containing an arithmetic progression of integers.
range(i, j) returns [i, i+1, i+2, ..., j-1]; start (!) defaults to 0.
When step is given, it specifies the increment (or decrement).
For example, range(4) returns [0, 1, 2, 3].  The end point is omitted!
These are exactly the valid indices for a list of 4 elements.

>>> print xrange.__doc__
xrange(stop) -> xrange object
xrange(start, stop[, step]) -> xrange object

Like range(), but instead of returning a list, returns an object that
generates the numbers in the range on demand.  For looping, this is 
slightly faster than range() and more memory efficient.

Python 3.5.2

>>> print(range.__doc__)
range(stop) -> range object
range(start, stop[, step]) -> range object

Return an object that produces a sequence of integers from start (inclusive)
to stop (exclusive) by step.  range(i, j) produces i, i+1, i+2, ..., j-1.
start defaults to 0, and stop is omitted!  range(4) produces 0, 1, 2, 3.
These are exactly the valid indices for a list of 4 elements.
When step is given, it specifies the increment (or decrement).

>>> print(xrange.__doc__)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'xrange' is not defined

差异显而易见。在Python2.x中，range返回一个列表，xrange返回一个可迭代的xrange对象。

在Python3.x中，range变为Python2.x的xrange，xrange被删除。

此外，if do list（xrange（…））将等同于range（…）。

所以列表很慢。

而且xrange确实没有完全完成序列

这就是为什么它不是一个列表，而是一个xrange对象

Python 2.x中的range（）

该函数本质上是Python2.x中可用的旧range（）函数，并返回包含指定范围内元素的列表对象的实例。

然而，当使用一系列数字初始化列表时，这种实现效率太低。例如，对于范围（1000000）中的i，无论是在内存还是时间使用方面，都是一个非常昂贵的命令，因为它需要将这个列表存储到内存中。

Python 3.x中的range（）和Python 2.x中的xrange（）

Python3.x引入了一个新的range（）实现（而新的实现已经在Python2.x中通过xrange（）函数提供）。

range（）利用了一种称为惰性求值的策略。新的实现没有在范围内创建一个庞大的元素列表，而是引入了类范围，这是一个轻量级对象，表示给定范围内所需的元素，而没有将它们显式存储在内存中（这听起来可能像生成器，但惰性求值的概念不同）。

例如，考虑以下内容：

# Python 2.x
>>> a = range(10)
>>> type(a)
<type 'list'>
>>> b = xrange(10)
>>> type(b)
<type 'xrange'>

and

# Python 3.x
>>> a = range(10)
>>> type(a)
<class 'range'>