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。

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。

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)

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。

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！！

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。