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)

在Python 2.x中：

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是一个延迟求值的序列对象。

在Python 3中：

range相当于Python 2的xrange。要获得列表，必须显式使用list（range（…））。xrange不再存在。

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)

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%。

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'>