网站关键词进前三/今日重大军事新闻
本文先比较range与arange的异同点，再详细介绍各自的用法，然后列举了几个简单的示例，最后对xrange进行了简单的说明。
1. range与arange的比较
(1)相同点：A、参数的可选性、默认缺省值是一样的；B、结果均包括开始值，不包括结束值； C、arange的参数为整数是，与range函数等价；D、都具备索引查找、要素截取等操作。
(2)不同点：A、range函数的参数只能为整数，arange的参数为数值型，包括整数和浮点数； B、输出的数据类型不同，range的输出为列表(list)，arange的结果为数组(ndarray)；C、range的最后一个元素，不会超过stop，而arange的最后一个元素可能会比stop的值大。
2. python中的范围range
(1)官方文档对range的定义为：The rangetype represents an immutable sequence of numbers and is commonly used for looping a specific number of times in forloops.(range代表不可变的数字序列，通常用于一定次数的循环中)。
若步长为正数，范围r的值由公式r[i] = start + step*i确定，限制条件为i >=0、r[i] < stop；
若步长为负数，范围r的值同样由公式r[i] = start + step*i确定，但限制条件为i >=0、r[i] > stop；
(2)参数说明
range(start, stop[, step])
start：序列的开始值，如果缺省默认为0；
stop：序列的结束值；
step：序列的步长，缺省的默认值为1。
range中所有的参数必须为整数，必须为整数！
(3)range的其他说明
A、range相比常规list或tuple的优势在于，不管range代表的范围有多大，它实际上只存储范围的开始、结束和步长值，它占用相同且很小的内存空间；
B、range继承于collections.abc.Sequence，提供诸如包含内容是否相等的比较、索引查找、要素截取、支持负数索引等。
3. Numpy中的arange
(1)官方文档中的定义：Return evenly spaced values within a given interval.(返回给定间距内返回均匀间隔的值)
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.(值的范围在半开放的间隔[start, dtop)内，也就是包括start起始值，不包括stop结束值；若参数均为整数，与python中的range函数等价，但是它返回的是数组而非列表)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.(当使用非整数步长时，比如0.1，结果经常不是一致的，在这种情况下，最好使用线性等分向量)。
(2)参数说明
numpy.range([start,] stop, [step,] dtype=None)
start：数字型，可选参数，间隔的开始值，间隔包括开始值，缺省时的默认值是0；
stop：数字型，必填参数，间隔的结束值，间隔不包括结束值，除非一些特殊情况，比如步长不是整数，浮点数的四舍五入影响到输出的长度；
step：数组型，可选参数，间距值，对任何输出，它是相邻两个值之间的差值，out[i+1] - out[i]，缺省的默认值为1，如果指定间距值，开始值也必须指定。
dtype：输出数组的类型，如果没有指定，从输入参数的类型推断输出结果的数据类型(即与输入参数的类型保持一致)。
返回值：等间距的数组，对浮点型参数，结果的长度为 ceil((stop-start)/step)，因浮点溢出，这可能导致最后一个元素大于结束值。
4、简单的示例
In [4]: import numpy as np
In [5]: r = range(5)
In [6]: ar = np.arange(5)
In [7]: r
Out[7]: range(0, 5)
In [8]: ar
Out[8]: array([0, 1, 2, 3, 4])
In [9]: r2 = list(range(1, 19, 2))
In [10]: r2
Out[10]: [1, 3, 5, 7, 9, 11, 13, 15, 17]
In [11]: ar3 = np.arange(1, 9.0, 0.7)
In [12]: ar3
Out[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.dtype
Out[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的说明
在python2.x版本中，对于非常长的范围，建议使用xrange，其参数与range一样，但不会预先产生所有的值，而是返回一个用于逐个产生整数的迭代器。在python3 中，range始终返回迭代器，因而没必要再使用xrange这个函数了。
以上这篇浅谈Python中range与Numpy中arange的比较就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。