此外，if do list（xrange（…））将等同于range（…）。

所以列表很慢。

而且xrange确实没有完全完成序列

这就是为什么它不是一个列表，而是一个xrange对象

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)

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

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'>

根据扫描/打印0-N项的要求，range和xrange的工作原理如下。

range（）-在内存中创建一个新列表，并获取整个0到N个项目（总共N+1个）并打印它们。xrange（）-创建一个迭代器实例，该实例扫描项目并只将当前遇到的项目保存在内存中，因此始终使用相同的内存量。

如果所需的元素只是在列表的开头，那么它可以节省大量的时间和内存。

range（）：range（1，10）返回从1到10个数字的列表&将整个列表保存在内存中。

xrange（）：与range（）类似，但不是返回列表，而是返回一个对象，该对象根据需要生成范围内的数字。对于循环，这比range（）稍快，内存效率更高。xrange（）对象类似于迭代器，并根据需要生成数字。（懒惰的评估）

In [1]: range(1,10)

Out[1]: [1, 2, 3, 4, 5, 6, 7, 8, 9]

In [2]: xrange(10)

Out[2]: xrange(10)

In [3]: print xrange.__doc__

xrange([start,] stop[, step]) -> xrange object