Python 教程之控制流(5)Python 中的 range() 与 xrange()

简介: Python 教程之控制流(5)Python 中的 range() 与 xrange()

range() 和 xrange() 是两个函数,可用于在 Python的 for 循环中迭代一定次数。在 Python 3 中,没有 xrange,但 range 函数的行为类似于 Python 2 中的 xrange。如果要编写可在 Python 2 和 Python 3 上运行的代码,则应使用 range()。

  • range()  – 这将返回一个范围对象(一种可迭代的类型)。
  • xrange()  – 此函数返回生成器对象,该生成器对象只能通过循环来显示数字。唯一的特定范围是按需显示的,因此称为“惰性评估”。

两者都以不同的方式实现,并具有与之相关的不同特征。比较点如下:

  • 返回类型
  • 记忆
  • 操作使用
  • 速度

返回类型

range() 返回 -范围对象。

xrange() 返回 – xrange() 对象。

# 基于返回类型演示 range() 与 xrange() 的 Python 代码
# 用 range() 初始化 a
a = range(1,10000)
# 用 xrange() 初始化 a
x = xrange(1,10000)
# 测试 a 的类型
print ("The return type of range() is : ")
print (type(a))
# 测试 x 的类型
print ("The return type of xrange() is : ")
print (type(x))

输出:

The return type of range() is : 
<type 'list'>
The return type of xrange() is : 
<type 'xrange'>

记忆

与使用 xrange() 存储范围的变量相比,存储由range () 创建的范围的变量占用更多内存。 其基本原因是 range() 的返回类型是 list 而 xrange() 是 xrange() 对象。

# 基于内存演示 range() 与 xrange() 的 Python 代码
import sys
# 用 range() 初始化 a
a = range(1,10000)
# 用 xrange() 初始化 a
x = xrange(1,10000)
# 测试 range() 的大小需要更多内存
print ("The size allotted using range() is : ")
print (sys.getsizeof(a))
# 测试 x xrange() 的大小占用更少的内存
print ("The size allotted using xrange() is : ")
print (sys.getsizeof(x))

输出:

The size allotted using range() is : 
80064
The size allotted using xrange() is : 
40

操作使用

由于 range() 返回列表,因此可以在列表上应用的所有操作都可以在其上使用。另一方面,由于 xrange() 返回 xrange 对象,与 list 关联的操作不能应用于它们,因此是不利的。

# 根据操作使用情况演示 range() 与 xrange() 的 Python 代码
# 用 range() 初始化 a
a = range(1,6)
# 用 xrange() 初始化 a
x = xrange(1,6)
# 在 range() 打印上测试 slice 操作的使用没有错误
print ("The list after slicing using range is : ")
print (a[2:5])
# 在 xrange() 上测试切片操作的使用会引发错误
print ("The list after slicing using xrange is : ")
print (x[2:5])

错误:

Traceback (most recent call last):
  File "1f2d94c59aea6aed795b05a19e44474d.py", line 18, in 
    print (x[2:5])
TypeError: sequence index must be integer, not 'slice'

输出:

The list after slicing using range is : 
[3, 4, 5]
The list after slicing using xrange is : 

Speed

由于 xrange() 仅评估仅包含惰性评估所需值的生成器对象,因此在实现上比 range()更快。

要点:

  • 如果您想编写可在 Python 2 和 Python 3 上运行的代码,请使用 range(),因为 xrange 函数在 Python 3 中已弃用。
  • 如果多次迭代相同的序列,range() 会更快。
  • xrange() 每次都必须重建整数对象,但 range() 将具有真正的整数对象。(然而,它在内存方面的表现总是更差)

image.png

目录
相关文章
|
8天前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
40 8
|
8天前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
29 7
|
8天前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
29 4
|
8天前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
25 5
|
1月前
|
Python
Python中的`range`函数与负增长
在Python中,`range`函数用于生成整数序列,支持正向和负向增长。本文详细介绍了如何使用`range`生成负增长的整数序列,并提供了多个实际应用示例,如反向遍历列表、生成倒计时和计算递减等差数列的和。通过这些示例,读者可以更好地掌握`range`函数的使用方法。
47 5
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
28 1
|
1月前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
29 1
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
29 1
|
Python
【Python面试】 说说Python中xrange和range的区别?
公众号新增加了一个栏目,就是每天给大家解答一道Python常见的面试题,反正每天不贪多,一天一题,正好合适,只希望这个面试栏目,给那些正在准备面试的同学,提供一点点帮助! 小猿会从最基础的面试题开始,每天一题。如果参考答案不够好,或者有错误的话,麻烦大家可以在留言区给出自己的意见和讨论,大家是要一起学习的 。
402 0