$ python -m timeit 'for i in range(1000000):' ' pass'
10 loops, best of 3: 90.5 msec per loop
$ python -m timeit 'for i in xrange(1000000):' ' pass'
10 loops, best of 3: 51.1 msec per loop
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]
请注意，在Python 3.0中只有 range ，它的行为类似于2.x xrange ，但没有最小和最大 endpoints 的限制 .
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，上面的例子没有反映出任何明显更好的结果 .
现在看一下以下情况，与 xrange 相比， range 确实非常慢 .
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0到100000000（耗时）的列表，但是 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 .
在Python-3中， range 功能的实现与Python-2中 xrange 的实现相同，而在Python-3中它们已经废弃 xrange
import time
for x in range(1, 10):
t = time.time()
[v*10 for v in range(1, 10000)]
print "range: %.4f" % ((time.time()-t)*100)
t = time.time()
[v*10 for v in xrange(1, 10000)]
print "xrange: %.4f" % ((time.time()-t)*100)
$ 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
Range 返回 list ，而 xrange 返回 xrange 对象，该对象占用相同的内存，与范围大小无关，因为在这种情况下，每次迭代只生成一个元素并且可用，而在使用范围的情况下，所有元素一次生成，在内存中可用 .
0
来自帮助文档 .
Python 2.7.12
>>> print range.__doc__
range(stop) -> list of integers
range(start, stop[, step]) -> list of integers
Return a list containing an arithmetic progression of integers.
range(i, j) returns [i, i+1, i+2, ..., j-1]; start (!) defaults to 0.
When step is given, it specifies the increment (or decrement).
For example, range(4) returns [0, 1, 2, 3]. The end point is omitted!
These are exactly the valid indices for a list of 4 elements.
>>> print xrange.__doc__
xrange(stop) -> xrange object
xrange(start, stop[, step]) -> xrange object
Like range(), but instead of returning a list, returns an object that
generates the numbers in the range on demand. For looping, this is
slightly faster than range() and more memory efficient.
Python 3.5.2
>>> print(range.__doc__)
range(stop) -> range object
range(start, stop[, step]) -> range object
Return an object that produces a sequence of integers from start (inclusive)
to stop (exclusive) by step. range(i, j) produces i, i+1, i+2, ..., j-1.
start defaults to 0, and stop is omitted! range(4) produces 0, 1, 2, 3.
These are exactly the valid indices for a list of 4 elements.
When step is given, it specifies the increment (or decrement).
>>> print(xrange.__doc__)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'xrange' is not defined
差异很明显 . 在Python 2.x中， range 返回一个列表， xrange 返回一个可迭代的xrange对象 .
在Python 3.x中， range 变为Python 2.x的 xrange ， xrange 被删除 .
28 回答
range：-range将一次填充所有内容 . 这意味着范围的每个数字都将占用内存 .
xrange：-xrange就像生成器一样，当你需要数字范围但是你不希望它们被存储时它会进入图片，就像你想要用于循环 . 内存效率高 .
range创建一个列表，所以如果你这样做
range(1, 10000000)它会在内存中用9999999元素创建一个列表 .xrange是一个懒惰评估的序列对象 .它应该从@Thiago的提示中添加，在python3中，范围相当于python的xrange
这是事实，但在Python 3中，
.range()将由Python 2.xrange()实现 . 如果您需要实际生成列表，则需要执行以下操作：请记住，使用
timeit模块来测试哪些小代码片段更快！就个人而言，我总是使用
.range()，除非我正在处理真正庞大的列表 - 正如你所看到的那样，时间方面，对于一百万个条目的列表，额外的开销只有0.04秒 . 正如Corey指出的那样，在Python 3.0中，.xrange()将会消失，.range()无论如何都会给你很好的迭代器行为 .xrange仅存储范围参数并按需生成数字 . 但是，Python的C实现目前将其args限制为C long：请注意，在Python 3.0中只有
range，它的行为类似于2.xxrange，但没有最小和最大 endpoints 的限制 .xrange返回一个迭代器，一次只在内存中保留一个数字 . range将整个数字列表保存在内存中 .
花一些时间与Library Reference . 你对它越熟悉，你就能越快找到这样的问题的答案 . 关于内置对象和类型的前几章特别重要 .
查找有关Python构造的快速信息的另一种方法是docstring和help-function：
这为您带来两个好处：
您可以在不获取
MemoryError的情况下迭代更长的列表 .因为它会懒惰地解析每个数字，如果你提前停止迭代，你就不会浪费时间创建整个列表 .
我很震惊没有人读过doc：
这是出于优化原因 .
range（）将从头到尾创建一个值列表（在您的示例中为0 .. 20） . 这将在非常大的范围内成为昂贵的操作 .
另一方面，xrange（）更加优化 . 它只会在需要时（通过xrange序列对象）计算下一个值，并且不会创建像range（）那样的所有值的列表 .
在这个简单的例子中，您将发现
xrange优于range的优势：在
xrange的情况下，上面的例子没有反映出任何明显更好的结果 .现在看一下以下情况，与
xrange相比，range确实非常慢 .使用
range，它已经创建了一个0到100000000（耗时）的列表，但是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 .在Python-3中，
range功能的实现与Python-2中xrange的实现相同，而在Python-3中它们已经废弃xrange快乐编码!!
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(): 与范围（）相似，但相反返回列表，返回一个生成按需范围内的数字的对象 . 对于循环，这比range（）和内存效率更快 . xrange（）对象就像一个迭代器，并根据需要生成数字 . （懒惰评估）
range(x,y)如果使用for循环，则返回x和y之间的每个数字的列表，然后range更慢 . 事实上，range的指数范围更大 .range(x.y)将打印出x和y之间所有数字的列表xrange(x,y)返回xrange(x,y)，但如果您使用for循环，那么xrange会更快 .xrange的索引范围较小 .xrange不仅会打印出xrange(x,y)，而且还会保留其中的所有数字 .如果您使用
for循环，那么它将起作用使用循环时没有太大区别，虽然只是打印时有区别！
在python 2.x中
range(x) 返回一个列表，该列表在内存中使用x个元素创建 .
xrange(x) 返回一个xrange对象，它是一个生成器obj，它根据需要生成数字 . 它们是在for-loop期间计算的（延迟评估） .
对于循环，这比range（）稍快，内存效率更高 .
当在循环中测试范围对xrange时（我知道我应该使用timeit，但是使用简单的列表推导示例从内存中迅速查出）我发现了以下内容：
这使：
或者，在for循环中使用xrange：
我的代码段测试是否正常？对xrange较慢的实例有何评论？或者更好的例子:-)
其他一些答案提到Python 3消除了2.x的
range并将2.x的xrange重命名为range. 但是，除非你're using 3.0 or 3.1 (which nobody should be), it'实际上是一个有点不同的类型 .正如the 3.1 docs所说：
但是，在3.2中，
range是一个完整的序列 - 它支持扩展切片，collections.abc.Sequence的所有方法都具有与list相同的语义 . *并且，至少在CPython和PyPy（当前存在的仅有的两个3.2实现）中，它还具有
index和count方法的常量时间实现以及in运算符（只要您只传递整数） . 这意味着写入123456 in r在3.2中是合理的，而在2.7或3.1中这将是一个可怕的想法 .python中的xrange（）和range（）与用户的工作方式类似，但是当我们讨论如何在使用该函数时分配内存时，差异就出现了 .
当我们使用range（）时，我们为它生成的所有变量分配内存，因此不建议使用较大的no . 要生成的变量 .
另一方面，xrange（）一次只生成一个特定的值，并且只能与for循环一起使用以打印所需的所有值 .
range生成整个列表并返回它 . xrange没有 - 它根据需要在列表中生成数字 .
阅读以下文章，了解范围和xrange之间的比较，并进行图形分析 .
Python range Vs xrange
xrange使用迭代器（动态生成值），range返回一个列表 .
什么？
range在运行时返回静态列表 .xrange返回object（其作用类似于生成器，但肯定不是一个），在需要时从中生成值 .什么时候用哪个？
如果你想生成一个巨大范围的列表，比如10亿，请使用
xrange，特别是当你有像手机这样的_1083546时 .如果要多次遍历列表，请使用
range.PS：Python 3.x的
rangefunction == Python 2.x的xrange函数 .在扫描/打印0-N项目的要求中，range和xrange的工作原理如下 .
range（） - 在内存中创建一个新列表，并将整个0到N个项目（完全为N 1）打印出来 . xrange（） - 创建一个迭代器实例，它扫描项目并仅将当前遇到的项目保留在内存中，因此始终使用相同数量的内存 .
如果所需元素有点位于列表的开头，那么它就会保存一个商品时间和记忆 .
对于
range(..)/xrange(..)的较小参数，差异会减小：在这种情况下，
xrange(100)的效率仅提高约20％ .每个人都对此有很大的解释 . 但我希望它能为自己看到它 . 我用python3 . 所以，我打开资源监视器（在Windows中！），首先执行以下命令：
然后检查“使用中”内存中的更改 . 这是微不足道的 . 然后，我运行了以下代码：
它立即占用了很大一部分内存 . 而且，我确信 . 你可以自己试试 .
如果您使用的是Python 2X，则将'range（）'替换为第一个代码中的'xrange（）'，将'list（range（））'替换为'range（）' .
Range 返回 list ，而 xrange 返回 xrange 对象，该对象占用相同的内存，与范围大小无关，因为在这种情况下，每次迭代只生成一个元素并且可用，而在使用范围的情况下，所有元素一次生成，在内存中可用 .
来自帮助文档 .
Python 2.7.12
Python 3.5.2
差异很明显 . 在Python 2.x中，
range返回一个列表，xrange返回一个可迭代的xrange对象 .在Python 3.x中，
range变为Python 2.x的xrange，xrange被删除 .此外，如果
list(xrange(...))将等效于range(...).所以
list很慢 .此外
xrange确实没有完全完成序列所以's why its not a list, it'是一个
xrange对象看到这个post找到范围和xrange之间的区别：
报价：