书中给出了一个很好的例子:Practical Python By Magnus Lie Hetland

>>> zip(range(5), xrange(100000000))
[(0, 0), (1, 1), (2, 2), (3, 3), (4, 4)]

我不建议在前面的例子中使用range而不是xrange——尽管如此 只需要前五个数字，range计算所有数字，这可能需要很多时间 的时间。使用xrange，这不是问题，因为它只计算所需的数字。

是的，我读了@Brian的回答:在python 3中，range()是一个生成器，xrange()不存在。

这里的每个人对于xrange和range的利弊都有不同的看法。它们大多是正确的，xrange是一个迭代器，而range充实并创建了一个实际的列表。在大多数情况下，您不会真正注意到两者之间的区别。(你可以在range中使用map，但不能在xrange中使用，但这会占用更多内存。)

但是，我认为您可能希望听到的是首选的选项是xrange。由于Python 3中的range是一个迭代器，代码转换工具2to3将正确地将xrange的所有使用转换为range，并将抛出一个使用range的错误或警告。如果您希望确保将来可以轻松地转换代码，您将只使用xrange，当您确定需要一个列表时使用list(xrange)。我是在今年(2008年)芝加哥PyCon的CPython冲刺中了解到这一点的。

我只是想说，获得一个具有切片和索引功能的xrange对象真的不是那么困难。我写了一些代码，工作得很好，就像xrange一样快，当它计数(迭代)。

from __future__ import division

def read_xrange(xrange_object):
    # returns the xrange object's start, stop, and step
    start = xrange_object[0]
    if len(xrange_object) > 1:
       step = xrange_object[1] - xrange_object[0]
    else:
        step = 1
    stop = xrange_object[-1] + step
    return start, stop, step

class Xrange(object):
    ''' creates an xrange-like object that supports slicing and indexing.
    ex: a = Xrange(20)
    a.index(10)
    will work

    Also a[:5]
    will return another Xrange object with the specified attributes

    Also allows for the conversion from an existing xrange object
    '''
    def __init__(self, *inputs):
        # allow inputs of xrange objects
        if len(inputs) == 1:
            test, = inputs
            if type(test) == xrange:
                self.xrange = test
                self.start, self.stop, self.step = read_xrange(test)
                return

        # or create one from start, stop, step
        self.start, self.step = 0, None
        if len(inputs) == 1:
            self.stop, = inputs
        elif len(inputs) == 2:
            self.start, self.stop = inputs
        elif len(inputs) == 3:
            self.start, self.stop, self.step = inputs
        else:
            raise ValueError(inputs)

        self.xrange = xrange(self.start, self.stop, self.step)

    def __iter__(self):
        return iter(self.xrange)

    def __getitem__(self, item):
        if type(item) is int:
            if item < 0:
                item += len(self)

            return self.xrange[item]

        if type(item) is slice:
            # get the indexes, and then convert to the number
            start, stop, step = item.start, item.stop, item.step
            start = start if start != None else 0 # convert start = None to start = 0
            if start < 0:
                start += start
            start = self[start]
            if start < 0: raise IndexError(item)
            step = (self.step if self.step != None else 1) * (step if step != None else 1)
            stop = stop if stop is not None else self.xrange[-1]
            if stop < 0:
                stop += stop

            stop = self[stop]
            stop = stop

            if stop > self.stop:
                raise IndexError
            if start < self.start:
                raise IndexError
            return Xrange(start, stop, step)

    def index(self, value):
        error = ValueError('object.index({0}): {0} not in object'.format(value))
        index = (value - self.start)/self.step
        if index % 1 != 0:
            raise error
        index = int(index)


        try:
            self.xrange[index]
        except (IndexError, TypeError):
            raise error
        return index

    def __len__(self):
        return len(self.xrange)

老实说，我认为整个问题有点傻，xrange应该做所有这些…

Range (): Range(1,10)返回1到10个数字的列表，并将整个列表保存在内存中。 xrange():类似于range()，但不是返回一个列表，而是返回一个根据需要生成范围内数字的对象。对于循环，这比range()略快，内存效率更高。xrange()对象类似于迭代器，并根据需要生成数字(惰性求值)。

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__
Out[3]: xrange([start,] stop[, step]) -> xrange object

range()所做的事情与Python 3中xrange()所做的事情相同，并且Python 3中不存在术语xrange()。 如果多次迭代同一个序列，那么Range()实际上在某些场景中更快。Xrange()每次都必须重构整数对象，但range()将拥有真正的整数对象。

虽然在大多数情况下xrange比range快，但性能上的差异非常小。下面的小程序比较了range和xrange的迭代:

import timeit
# Try various list sizes.
for list_len in [1, 10, 100, 1000, 10000, 100000, 1000000]:
  # Time doing a range and an xrange.
  rtime = timeit.timeit('a=0;\nfor n in range(%d): a += n'%list_len, number=1000)
  xrtime = timeit.timeit('a=0;\nfor n in xrange(%d): a += n'%list_len, number=1000)
  # Print the result
  print "Loop list of len %d: range=%.4f, xrange=%.4f"%(list_len, rtime, xrtime)

下面的结果显示xrange确实更快，但还不足以让人担心。

Loop list of len 1: range=0.0003, xrange=0.0003
Loop list of len 10: range=0.0013, xrange=0.0011
Loop list of len 100: range=0.0068, xrange=0.0034
Loop list of len 1000: range=0.0609, xrange=0.0438
Loop list of len 10000: range=0.5527, xrange=0.5266
Loop list of len 100000: range=10.1666, xrange=7.8481
Loop list of len 1000000: range=168.3425, xrange=155.8719

所以无论如何都要使用xrange，但除非您在受限的硬件上，否则不要太担心它。

Range()返回列表，xrange()返回xrange对象。

Xrange()更快一点，内存效率更高一点。但是收益不是很大。

列表使用的额外内存当然不仅仅是浪费，列表有更多的功能(切片、重复、插入……)。具体的区别可以在文档中找到。没有硬性规定，需要什么就用什么。

Python 3.0仍在开发中，但IIRC range()将非常类似于xrange()的2。X和list(range())可以用来生成列表。