为什么或为什么不呢？
答案 0 :(得分：439)
为了提高性能，尤其是当您在大范围内进行迭代时，xrange()通常会更好。但是，您可能更喜欢range()：
在python 3中，range()执行xrange()曾经做过的事情而xrange()不存在。如果要编写将在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()每次必须重建整数对象，但range()将具有实际的整数对象。 （但在内存方面总是表现更差）
xrange()在需要真实列表的所有情况下都不可用。例如，它不支持切片或任何列表方法。
[编辑]有几篇文章提到了如何通过2to3工具升级range()。为了记录，这是在range()和xrange()
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)
正如您所看到的，当在for循环或理解中使用，或者已经用list（）包装时，范围保持不变。
答案 1 :(得分：129)
不，他们都有自己的用途：
迭代时使用xrange()，因为它可以节省内存。说：
for x in xrange(1, one_zillion):
而不是：
for x in range(1, one_zillion):
另一方面，如果您确实需要数字列表，请使用range()。
multiples_of_seven = range(7,100,7)
print "Multiples of seven < 100: ", multiples_of_seven
答案 2 :(得分：42)
只有当您需要实际列表时，才应该range()优先于xrange()。例如，当您想要修改range()返回的列表时，或者您希望对其进行切片时。对于迭代甚至只是正常的索引，xrange()将正常工作（通常更有效）。对于非常小的列表，有range()比xrange()快一点，但根据您的硬件和其他各种细节，收支平衡可能是长度为1或2的结果;不用担心。喜欢xrange()。
答案 3 :(得分：30)
另一个区别是xrange（）不能支持大于C ints的数字，所以如果你想使用python内置的大量支持来获得一个范围，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)
答案 4 :(得分：13)
xrange()效率更高，因为它不是生成对象列表，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，你一次只能有一个整数。更快的生成，更好的内存使用，更高效的代码。
除非我特别需要列表，否则我总是赞成xrange()
答案 5 :(得分：8)
range（）返回一个列表，xrange（）返回一个xrange对象。
xrange（）有点快，而且内存效率更高。但收益不是很大。
列表使用的额外内存当然不仅仅是浪费，列表还有更多功能（切片，重复，插入，...）。可以在documentation中找到确切的差异。没有骨干规则，使用所需的东西。
Python 3.0仍处于开发阶段，但IIRC range（）与2.X的xrange（）非常相似，list（range（））可用于生成列表。
答案 6 :(得分：5)
我只想说，获取带有切片和索引功能的xrange对象真的不是那么困难。我已经编写了一些非常好用的代码，并且在计算（迭代）时就像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，我认为整个问题有点愚蠢，而xrange应该做所有这些......
答案 7 :(得分：4)
书中给出了一个很好的例子：Practical Python作者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范围而不是xrange - 尽管如此 只需要前五个数字，范围计算所有数字，这可能需要很多 时间使用xrange，这不是问题，因为它只计算所需的数字。
是的我读过@Brian的答案：在python 3中，range（）无论如何都是一个生成器，并且xrange（）不存在。
答案 8 :(得分：3)
出于以下原因选择范围：
1）xrange将在较新的Python版本中消失。这为您提供了便利的兼容性。
2）范围将具有与xrange相关的效率。
答案 9 :(得分：2)
好的，这里的每个人都对xrange与范围的权衡和优势有不同的看法。它们大多是正确的，xrange是一个迭代器，范围充实并创建一个实际的列表。对于大多数情况，您不会真正注意到两者之间的差异。 （您可以使用带范围的地图，但不能使用xrange，但会占用更多内存。）
然而，我认为你想听到的是，首选的选择是xrange。由于Python 3中的范围是一个迭代器，因此代码转换工具2to3会正确地将xrange的所有用途转换为范围，并且会因使用范围而抛出错误或警告。如果你想确保将来轻松转换你的代码，你将只使用xrange，并在你确定需要列表时列出（xrange）。我在今年（2008年）芝加哥的PyCon CPython冲刺期间学到了这一点。
答案 10 :(得分：2)
range()：range(1, 10)返回1到10个数字的列表＆amp;把整个清单记在内存中。xrange()：与range()类似，但不返回列表，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，这比range()快得多，并且内存效率更高。 xrange()对象就像一个迭代器，并按需生成数字（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中的xrange()做的事情相同，Python 3中没有术语xrange()。
如果您多次迭代相同的序列，range()在某些情况下实际上可能更快。 xrange()每次都必须重建整数对象，但range()将有真正的整数对象。
答案 11 :(得分：2)
虽然xrange在大多数情况下比range快，但性能上的差异非常小。下面的小程序会比较range和xrange上的迭代：
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)
以下结果显示xrange确实更快，但不足以让人流汗。
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
因此，请务必使用xrange，但除非您使用受限制的硬件，否则请不要过于担心。