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。

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（）”。

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。

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：-）

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。

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。