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。

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)

range（x，y）返回x和y之间的每个数字的列表，如果使用for循环，则range会变慢。事实上，范围的指数范围更大。range（x.y）将打印出x和y之间所有数字的列表

xrange（x，y）返回xrange，但如果使用for循环，xrange会更快。xrange的索引范围较小。xrange不仅会打印出xrange（x，y），还会保留其中的所有数字。

[In] range(1,10)
[Out] [1, 2, 3, 4, 5, 6, 7, 8, 9]
[In] xrange(1,10)
[Out] xrange(1,10)

如果您使用for循环，那么它会起作用

[In] for i in range(1,10):
        print i
[Out] 1
      2
      3
      4
      5
      6
      7
      8
      9
[In] for i in xrange(1,10):
         print i
[Out] 1
      2
      3
      4
      5
      6
      7
      8
      9

使用循环时没有太大的区别，但打印循环时有区别！

在这个简单的示例中，您将发现xrange优于range的优势：

import timeit

t1 = timeit.default_timer()
a = 0
for i in xrange(1, 100000000):
    pass
t2 = timeit.default_timer()

print "time taken: ", (t2-t1)  # 4.49153590202 seconds

t1 = timeit.default_timer()
a = 0
for i in range(1, 100000000):
    pass
t2 = timeit.default_timer()

print "time taken: ", (t2-t1)  # 7.04547905922 seconds

在xrange的情况下，上面的示例没有反映出任何明显更好的内容。

现在看看下面的例子，与xrange相比，range真的很慢。

import timeit

t1 = timeit.default_timer()
a = 0
for i in xrange(1, 100000000):
    if i == 10000:
        break
t2 = timeit.default_timer()

print "time taken: ", (t2-t1)  # 0.000764846801758 seconds

t1 = timeit.default_timer()
a = 0
for i in range(1, 100000000):
    if i == 10000:
        break
t2 = timeit.default_timer() 

print "time taken: ", (t2-t1)  # 2.78506207466 seconds

使用range，它已经创建了一个从0到100000000的列表（耗时），但xrange是一个生成器，它只根据需要生成数字，也就是说，如果迭代继续的话。

在Python-3中，范围功能的实现与Python-2中的xrange功能的实现相同，而他们在Python-3中取消了xrange

快乐编码！！

什么range在运行时返回静态列表。xrange返回一个对象（其作用类似于生成器，尽管它肯定不是一个），在需要时从中生成值。

什么时候使用哪个？

如果你想为一个巨大的范围生成一个列表，比如10亿，特别是当你有一个“记忆敏感系统”，比如手机时，可以使用xrange。如果要在列表中重复多次，请使用范围。

PS：Python 3.x的range函数==Python 2.x的xrange函数。

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。