每个人都对它进行了大量的解释。但我想让它自己看。我用蟒蛇。因此，我打开了资源监视器（在Windows！中），首先执行了以下命令：

a=0
for i in range(1,100000):
    a=a+i

然后检查“正在使用”内存中的更改。这是微不足道的。然后，我运行了以下代码：

for i in list(range(1,100000)):
    a=a+i

它立即占用了大量内存。我确信。你可以自己试试。

如果您使用的是Python 2X，那么在第一段代码中，将“range（）”替换为“xrange（）”，将“list（range（））”替换成“range（）”。

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！！

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。

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)

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。

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)