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)

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（）”。

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%。

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。

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)

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）。