本文先比較range與arange的異同點，再詳細介紹各自的用法，然后列舉了幾個簡單的示例，最后對xrange進行了簡單的說明。

1. range與arange的比較

（1）相同點：A、參數的可選性、默認缺省值是一樣的；B、結果均包括開始值，不包括結束值； C、arange的參數為整數是，與range函數等價；D、都具備索引查找、要素截取等操作。

（2）不同點：A、range函數的參數只能為整數，arange的參數為數值型，包括整數和浮點數； B、輸出的數據類型不同，range的輸出為列表(list)，arange的結果為數組(ndarray)；C、range的最后一個元素，不會超過stop，而arange的最后一個元素可能會比stop的值大。

2. python中的范圍range

（1）官方文檔對range的定義為：The range type represents an immutable sequence of numbers and is commonly used for looping a specific number of times in for loops.（range代表不可變的數字序列，通常用于一定次數的循環中）。

若步長為正數，范圍r的值由公式r[i] = start + step*i確定，限制條件為i >=0、r[i] < stop；

若步長為負數，范圍r的值同樣由公式r[i] = start + step*i確定，但限制條件為i >=0、r[i] > stop；

（2）參數說明

range(start, stop[, step])

start：序列的開始值，如果缺省默認為0；

stop：序列的結束值；

step：序列的步長，缺省的默認值為1。

range中所有的參數必須為整數，必須為整數！

（3）range的其他說明

A、range相比常規list或tuple的優勢在于，不管range代表的范圍有多大，它實際上只存儲范圍的開始、結束和步長值，它占用相同且很小的內存空間；

B、range繼承于collections.abc.Sequence，提供諸如包含內容是否相等的比較、索引查找、要素截取、支持負數索引等。

3. Numpy中的arange

（1）官方文檔中的定義：Return evenly spaced values within a given interval.（返回給定間距內返回均勻間隔的值）

Values are generated within the half-open interval [start, stop) (in other words, the interval including start but excluding stop). For integer arguments the function is equivalent to the Python built-in range function, but returns an ndarray rather than a list.（值的范圍在半開放的間隔[start, dtop)內，也就是包括start起始值，不包括stop結束值；若參數均為整數，與python中的range函數等價，但是它返回的是數組而非列表）When using a non-integer step, such as 0.1, the results will often not be consistent. It is better to use linspace for these cases.（當使用非整數步長時，比如0.1，結果經常不是一致的，在這種情況下，最好使用線性等分向量）。

（2）參數說明

numpy.range([start,] stop, [step,] dtype=None)

start：數字型，可選參數，間隔的開始值，間隔包括開始值，缺省時的默認值是0；

stop：數字型，必填參數，間隔的結束值，間隔不包括結束值，除非一些特殊情況，比如步長不是整數，浮點數的四舍五入影響到輸出的長度；

step：數組型，可選參數，間距值，對任何輸出，它是相鄰兩個值之間的差值，out[i+1] - out[i]，缺省的默認值為1，如果指定間距值，開始值也必須指定。

dtype：輸出數組的類型，如果沒有指定，從輸入參數的類型推斷輸出結果的數據類型（即與輸入參數的類型保持一致）。

返回值：等間距的數組，對浮點型參數，結果的長度為 ceil((stop-start)/step)，因浮點溢出，這可能導致最后一個元素大于結束值。

4、簡單的示例

In [4]: import numpy as np In [5]: r = range(5) In [6]: ar = np.arange(5) In [7]: rOut[7]: range(0, 5) In [8]: arOut[8]: array([0, 1, 2, 3, 4]) In [9]: r2 = list(range(1, 19, 2)) In [10]: r2Out[10]: [1, 3, 5, 7, 9, 11, 13, 15, 17]

In [11]: ar3 = np.arange(1, 9.0, 0.7) In [12]: ar3Out[12]:array([ 1. , 1.7, 2.4, 3.1, 3.8, 4.5, 5.2, 5.9, 6.6, 7.3, 8. , 8.7]) In [13]: ar3.dtypeOut[13]: dtype(’float64’) In [14]: ar3[3: 8]Out[14]: array([ 3.1, 3.8, 4.5, 5.2, 5.9])

5、python 2.x版本中xrange的說明

在python2.x版本中，對于非常長的范圍，建議使用xrange，其參數與range一樣，但不會預先產生所有的值，而是返回一個用于逐個產生整數的迭代器。在python3 中，range始終返回迭代器，因而沒必要再使用xrange這個函數了。

以上這篇淺談Python中range與Numpy中arange的比較就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。