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))

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

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))

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。

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%。