python中的xrange（）和range（）的工作方式与用户类似，但当我们讨论如何使用这两个函数分配内存时，就会出现不同。

当我们使用range（）时，我们为它正在生成的所有变量分配内存，因此不建议与要生成的大量变量一起使用。

另一方面，xrange（）一次只能生成一个特定的值，并且只能与for循环一起使用，以打印所需的所有值。

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：-range将一次填充所有内容。这意味着范围中的每个数字都将占用内存。

xrange:xrange有点像生成器，当你想要数字的范围，但你不希望它们被存储时，它就会出现在图片中，就像你想使用for loop时一样。

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%。

xrange只存储范围参数并根据需要生成数字。然而，Python的C实现目前将其args限制为C longs：

xrange(2**32-1, 2**32+1)  # When long is 32 bits, OverflowError: Python int too large to convert to C long
range(2**32-1, 2**32+1)   # OK --> [4294967295L, 4294967296L]

注意，在Python3.0中只有范围，它的行为类似于2.xxrange，但没有对最小和最大端点的限制。

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