如果你总是喜欢xrange（）超过范围（）？
为什么或者为什么不？
为了提高性能，特别是在迭代大范围时， xrange()通常更好。 但是，仍然有一些情况为什么你可能更喜欢range() ：
-
在python 3中，
range()做xrange()用来做和xrange()不存在。 如果您想编写将在Python 2和Python 3上运行的代码，则不能使用xrange()。 -
range()在某些情况下实际上可能更快 – 例如。 如果多次迭代相同的序列。xrange()必须每次重建整数对象，但range()将有实数整数对象。 （然而，内存方面总是会变差） -
xrange()在所有需要真实列表的情况下都不可用。 例如，它不支持切片或任何列表方法。
[编辑]有几个帖子提到如何通过2to3工具升级range() 。 为了记录，这里是range()和xrange()一些示例用法运行工具的输出
RefactoringTool: Skipping implicit fixer: buffer RefactoringTool: Skipping implicit fixer: idioms RefactoringTool: Skipping implicit fixer: ws_comma --- range_test.py (original) +++ range_test.py (refactored) @@ -1,7 +1,7 @@ for x in range(20): - a=range(20) + a=list(range(20)) b=list(range(20)) c=[x for x in range(20)] d=(x for x in range(20)) - e=xrange(20) + e=range(20)
正如你所看到的，当在for循环或理解中使用时，或者在已经用list（）包装的地方，范围保持不变。
不，他们都有他们的用途：
迭代时使用xrange() ，因为它节省了内存。 说：
for x in xrange(1, one_zillion):
而不是：
for x in range(1, one_zillion):
另一方面，如果你真的想要一个数字列表，使用range() 。
multiples_of_seven = range(7,100,7) print "Multiples of seven < 100: ", multiples_of_seven
只有当你需要一个实际的列表时，你才应该使用range()不是xrange() 。 例如，当你想修改由range()返回的列表，或者当你想要切片时。 对于迭代或甚至只是正常的索引， xrange()将正常工作（通常效率更高）。 对于非常小的列表而言， range()比xrange()要快一点，但根据硬件和各种其他细节，可能由于长度为1或2而导致收支平衡。 不用担心。 喜欢xrange() 。
另外一个区别是xrange（）不能支持比C ints更大的数字，所以如果你想使用python内建的大量支持，你必须使用range（）。
Python 2.7.3 (default, Jul 13 2012, 22:29:01) [GCC 4.7.1] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> range(123456787676676767676676,123456787676676767676679) [123456787676676767676676L, 123456787676676767676677L, 123456787676676767676678L] >>> xrange(123456787676676767676676,123456787676676767676679) Traceback (most recent call last): File "<stdin>", line 1, in <module> OverflowError: Python int too large to convert to C long
Python 3没有这个问题：
Python 3.2.3 (default, Jul 14 2012, 01:01:48) [GCC 4.7.1] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> range(123456787676676767676676,123456787676676767676679) range(123456787676676767676676, 123456787676676767676679)
xrange()更高效，因为它不是生成一个对象列表，而是一次只生成一个对象。 而不是100个整数，以及它们的所有开销，以及放入它们的列表，一次只有一个整数。 更快的生成，更好的内存使用，更高效的代码。
除非我特别需要一个列表，我总是喜欢xrange()
range（）返回一个列表，xrange（）返回一个xrange对象。
xrange（）更快一些，并且有更高的内存效率。 但是收益并不是很大。
列表使用的额外内存当然不仅仅是浪费，列表还有更多的功能（切片，重复，插入，…）。 文档中可以找到确切的区别。 没有硬骨的规则，使用什么是需要的。
Python 3.0仍在开发中，但是IIRC range（）与2.X的xrange（）非常相似，list（range（））可以用来生成列表。
我只想说，使用切片和索引功能来获得xrange对象并不困难。 我已经写了一些代码，很好地工作，就像计数（迭代）时xrange一样快。
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，我认为整个问题都是愚蠢的，而且xrange也应该这样做。
书中给出了一个很好的例子： 实用Python作者：Magnus Lie Hetland
>>> zip(range(5), xrange(100000000)) [(0, 0), (1, 1), (2, 2), (3, 3), (4, 4)]
在前面的例子中，我不推荐使用范围而不是xrange，尽管只需要前五个数字，范围计算所有数字，这可能需要很长时间。 与xrange，这不是一个问题，因为它只计算所需的数字。
是的，我读@ Brian的答案：在python 3中，range（）是一个生成器，而xrange（）不存在。
出于以下原因，请使用范围：
1）xrange将会在更新的Python版本中消失。 这给你容易的未来兼容性。
2）范围将承担与xrange相关的效率。
好的，这里的每个人都认为xrange和range的权衡和优势是不同的。 他们大部分是正确的，xrange是一个迭代器，范围充实，并创建一个实际的列表。 大多数情况下，你不会真正注意到两者之间的差异。 （你可以使用map而不是xrange，但是会占用更多的内存。）
然而，我认为你们想要听到的是，首选是xrange。 由于Python 3中的范围是一个迭代器，因此代码转换工具2to3将正确地将xrange的所有用法转换为范围，并且会针对范围的使用抛出错误或警告。 如果您希望将来可以轻松转换代码，那么您只能使用xrange，并且在确定需要列表时列出（xrange）。 我在今年（2008年）在芝加哥的PyCon的CPython短跑中学到了这一点。
-
range()：range(1, 10)从1到10的数字返回一个列表并保存整个列表在内存中。 -
xrange()：与range()类似，但不是返回一个列表，而是返回一个对象，该对象根据需要生成范围内的数字。 对于循环来说，这比range()快得多，并且内存效率更高。xrange()对象像一个迭代器，并根据需要生成数字（懒惰评估）。
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__ Out[3]: xrange([start,] stop[, step]) -> xrange object
range()与Python 3中的xrange()相同，Python 3中没有术语xrange() 。如果在同一个序列上迭代多次， range()实际上可能会更快一些。 xrange()必须每次重建整数对象，但range()将有实数整数对象。
虽然xrange在大多数情况下比range更快，但是性能的差异非常小。 下面的小程序比较遍历一个range和一个xrange ：
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)
下面的结果表明， xrange的速度确实更快，但还不足以让人流汗。
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
所以通过一切手段使用xrange ，但除非你在一个受限制的硬件上，不要太担心。
