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:

csharp

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:

perl

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:

csharp

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)
range() xrange()
返回整数列表。 返回一个生成器对象。
执行速度较慢 执行速度更快。
占用更多内存,因为它将整个元素列表保留在内存中。 占用更少的内存,因为它一次只在内存中保留一个元素。
所有算术运算都可以在返回列表时执行。 此类操作不能在 xrange() 上执行。
在 3 中,不支持 xrange()。 在 2 中,xrange() 用于迭代 for 循环。


目录
相关文章
|
5天前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
12 1
|
7天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 插值 2
SciPy插值教程:介绍插值概念及其在数值分析中的应用,特别是在处理数据缺失时的插补和平滑数据集。SciPy的`scipy.interpolate`模块提供了强大的插值功能,如一维插值和样条插值。通过`UnivariateSpline()`函数,可以轻松实现单变量插值,示例代码展示了如何对非线性点进行插值计算。
11 3
|
10天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 4
本教程介绍了SciPy的空间数据处理功能,主要通过scipy.spatial模块实现。内容涵盖空间数据的基本概念、距离矩阵的定义及其在生物信息学中的应用,以及如何计算欧几里得距离。示例代码展示了如何使用SciPy计算两点间的欧几里得距离。
26 5
|
9天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 空间数据 6
本教程介绍了SciPy处理空间数据的方法,包括使用scipy.spatial模块进行点位置判断、最近点计算等内容。还详细讲解了距离矩阵的概念及其应用,如在生物信息学中表示蛋白质结构等。最后,通过实例演示了如何计算两点间的余弦距离。
19 3
|
8天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 7
本教程介绍了SciPy的空间数据处理功能,涵盖如何使用`scipy.spatial`模块进行点的位置判断、最近点计算等操作。还详细解释了距离矩阵的概念及其在生物信息学中的应用,以及汉明距离的定义和计算方法。示例代码展示了如何计算两个点之间的汉明距离。
16 1
|
6天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 插值 3
本教程介绍了SciPy中的插值方法,包括什么是插值及其在数据处理和机器学习中的应用。通过 `scipy.interpolate` 模块,特别是 `Rbf()` 函数,展示了如何实现径向基函数插值,以平滑数据集中的离散点。示例代码演示了如何使用 `Rbf()` 函数进行插值计算。
13 0
|
6天前
|
Python
SciPy 教程 之 Scipy 显著性检验 1
本教程介绍Scipy显著性检验,包括统计假设、零假设和备择假设等概念,以及如何使用scipy.stats模块进行显著性检验,以判断样本与总体假设间是否存在显著差异。
11 0
|
1月前
|
数据可视化 IDE 开发工具
【Python篇】PyQt5 超详细教程——由入门到精通(中篇二)
【Python篇】PyQt5 超详细教程——由入门到精通(中篇二)
231 13
|
1月前
|
监控 数据可视化 搜索推荐
【Python篇】matplotlib超详细教程-由入门到精通(下篇)2
【Python篇】matplotlib超详细教程-由入门到精通(下篇)
33 8
|
1月前
|
数据可视化 API 数据处理
【Python篇】matplotlib超详细教程-由入门到精通(上篇)
【Python篇】matplotlib超详细教程-由入门到精通(上篇)
86 5