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。

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。

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。

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'>

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。