- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机视觉理论及其实现
NameError: name xrange is not defined
将xrange改为range 将xrange改为range 将xrange改为range 将xrange改为range 将xrange改为range 将xrange改为range 将xrange改为range 将xrange改为range 将xrange改为range 将xrange改为range
1.3K20编辑于 2022-09-04 - 来自专栏JNing的专栏
python: range & xrange 探究
Syntax range ( [start,] stop [, step] ) xrange ( [start,] stop [, step] ) Summary xrange 和 xrange 用法与 range 完全相同，所不同的是生成的不是一个list对象，而是一个生成器。 生成很大的数字序列的时候，用 xrange 会比 range 性能优很多，因为不需要一上来就开辟一块很大的内存空间。所以尽量用 xrange 。 然而感觉 python3 中的 range 设计成了 python2 中的 xrange 。 (10) >>> type(b) <type 'xrange'> >>> b xrange(10) >>> b[5] 5
94920发布于 2018-09-28 - 来自专栏python3
Python xrange 与 rang
range可以返回一个可以用于所有目的的普通列表对象，而xrange将返回一个特殊目的的对象，尤其适用于迭代操作，但是xrange并不返回一个迭代器，如果需要这样一个迭代器，可以调用iter(xrange >>> print range(5) [0, 1, 2, 3, 4] >>> print xrange(5) xrange(5) >>> 其中，range将返回一个普通列表，但是xrange将返回一个特殊目的对象 xrange示例: >>> xrange(5) xrange(5) >>> list(xrange(5)) [0, 1, 2, 3, 4] >>> xrange(1,5) xrange(1, 5) > >> list(xrange(1,5)) [1, 2, 3, 4] >>> xrange(0,6,2) xrange(0, 6, 2) >>> list(xrange(0,6,2)) [0, 2, 4] ： <type 'xrange'> xrange(100) 0 1 所以xrange做循环的性能比range好，尤其是返回很大的时候，尽量用xrange吧，除非你是要返回一个列表。
53920发布于 2020-01-10 - 来自专栏python3
Python xrange与range的
>>> xrange(5) xrange(5) >>> list(xrange(5)) [0, 1, 2, 3, 4] >>> xrange(1,5) xrange(1, 5) >>> list(xrange (1,5)) [1, 2, 3, 4] >>> xrange(0,6,2) xrange(0, 6, 2) >>> list(xrange(0,6,2)) [0, 2, 4] 由上面的示例可以知道：要生成很大的数字序列的时候 >>> xrange(5) xrange(5) >>> list(xrange(5)) [0, 1, 2, 3, 4] >>> xrange(1,5) xrange(1, 5) >>> list(xrange (1,5)) [1, 2, 3, 4] >>> xrange(0,6,2) xrange(0, 6, 2) >>> list(xrange(0,6,2)) [0, 2, 4] 由上面的示例可以知道：要生成很大的数字序列的时候 'xrange'> xrange(100) 0 1 所以xrange做循环的性能比range好，尤其是返回很大的时候。
57710发布于 2020-01-10 - 来自专栏python前行者
range与xrange用法对比
我们从xragne的官方帮助文档可以看出： xrange和range的参数和用法是相同的。只是xrange()返回的不再是一个数列，而是一个xrange对象。 由于xrange对象是按需生成单个的元素，而不像range那样，首先创建整个list。所以，在相同的范围内，xrange占用的内存空间将更小，xrange也会更快。 2、xrange()返回的是一个xrange object，且这个对象是个iterable。 3、两者都可用于for循环。 4、xrange()占用更少的内存空间，因为循环时xrange()只生成当前的元素，不像range()一开始就成生成完整的list。 但是在Python 3里，range()这种实现被移除了；保留了xrange()的实现，且将xrange()重新命名成range()。
1.8K20发布于 2019-03-25 - 来自专栏python3
python xrange比range性
range示例: >>> range(5) [0, 1, 2, 3, 4] >>> range(1,5) [1, 2, 3, 4] >>> range(0,6,2) [0, 2, 4] xrange xrange示例: >>> xrange(5) xrange(5) >>> list(xrange(5)) [0, 1, 2, 3, 4] >>> xrange(1,5) xrange(1, 5) >>> list(xrange(1,5)) [1, 2, 3, 4] >>> xrange(0,6,2) xrange(0, 6, 2) >>> list(xrange(0,6,2)) [0, 2, 4 ] 由上面的示例可以知道：要生成很大的数字序列的时候，用xrange会比range性能优很多，因为不需要一上来就开辟一块很大的内存空间，这两个基本上都是在循环的时候用： for i in ： <type 'xrange'> xrange(100) 0 1 所以xrange做循环的性能比range好，尤其是返回很大的时候，尽量用xrange吧，除非你是要返回一个列表。
63130发布于 2020-01-15 - 来自专栏Data分析
【Python 中的 range() 与 xrange()】
在 Python 3 中，没有 xrange，但 range 函数的行为类似于 Python 2 中的 xrange。 xrange() 返回 – xrange() 对象。 其基本原因是 range() 的返回类型是 list 而 xrange() 是 xrange() 对象。 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。 此类操作不能在 xrange() 上执行。 在 python 3 中，不支持 xrange()。 在 python 2 中，xrange() 用于迭代 for 循环。
36210编辑于 2024-01-30 - 来自专栏计算机视觉理论及其实现
range和xrange的区别详解
([start], stop[, step]) xrange与range类似，只是返回的是一个"xrange object"对象，而非数组list。 要生成很大的数字序列的时候，用xrange会比range性能优很多，因为不需要一上来就开辟一块很大的内存空间。 例如：>>> lst = xrange(1,10)>>> lstxrange(1, 10)>>> type(lst)<type 'xrange'>>>> list(lst)[1, 2, 3, 4, 5, 6, 7, 8, 9]区别如下： 1.range和xrange都是在循环中使用，输出结果一样。 2.range返回的是一个list对象，而xrange返回的是一个生成器对象(xrange object)。
3.9K10编辑于 2022-09-03 - 来自专栏祥的专栏
xrange和range的使用区别
] >>> range(2,10) [2, 3, 4, 5, 6, 7, 8, 9] >>> range(2,10,2) [2, 4, 6, 8] >>> type(_) <type 'list'> xrange eg： >>> xrange(10) xrange(10) >>> xrange(2,10) xrange(2, 10) >>> xrange(2,10,2) xrange(2, 10, 2) >>> type(_) <type 'xrange'> >>> list(xrange(2, 10, 2)) [2, 4, 6, 8] 但是要生成很大的数字序列的时候，用xrange会比range性能优很多， (0,50) >>> xr xrange(50) >>> type(xr) <type 'xrange'> >>> print xr[0],xr[49] 0 49 >>> list(xr) == r True 再循环中尽量使用 xrange 这样性能可以得到提高，除非你要返回一个列表 >>> for i in range(0,50): print i, 0 1 2 3 4 5 6 7 8 9 10 11
61120发布于 2020-03-10 Python的range和xrange的区别
for i in range(1, 5):print(i)# i 返回1，2，3，4for i in xrange(1, 5):#返回同上Python 2.x中：xrange用法与range完全相同，所不同的是 而xrange生成的是一个生成器。 要生成很大的数字序列的时候，用xrange会比range性能优很多，因为不需要一开始就开辟一块很大的内存空间Python 3.x中：取消了xrange, Python3中返回的是一个range对象（class
25710编辑于 2024-03-16- 来自专栏程序IT圈
【Python面试】 说说Python中xrange和range的区别？
range()返回的是一个list对象，而xrange返回的是一个生成器对象(xrange object)。 xrange()则不会直接生成一个list，而是每次调用返回其中的一个值，内存空间使用极少。因而性能非常好，所以尽量用xrange吧。 在python3 中没有xrange，只有range。 () xrange与range类似，只是返回的是一个"xrange object"生成器对象，而非数组list。 xrange示例: >>> xrange(6) xrange(6) # 注意：这里输出的和range就不同喽 >>> list(xrange(6)) [0, 1, 2, 3, 4, 5] >>> xrange (1, 6) xrange(1, 6) >>> list(xrange(1, 6)) [1, 2, 3, 4, 5] >>> xrange(0,6,2) xrange(0, 6, 2) >>> list
87440发布于 2021-01-19 - 来自专栏bit哲学院
·python·用生成器和迭代器实现自己的xrange
num -= 1 >>> l = list(simple_xrange(8)) >>>print l [8, 7, 6, 5, 4, 3, 2, 1] 在上例中我们实现了一个简单的xrange， 但还是看不出这个simple_xrange是怎么执行的，现在我们来看看下面的实验： >>> it = simple_xrange (8) >>> it.next() 8 >>> it.next( 的执行过程： 1、 当执行it = simple_xrange(8)时，simple_xrange返回一个生成器，即it成为一个生成器。 把上面的1234条目跟上文python manual的说法对照一下，是相互呼应的，这样我们就理解了xrange的实现机理，从而可以利用yield语句写出自己的xrange了。 搞了这么久，实现自己的xrange有必要吗？当然是有的，xrange只是产生了一个系列，如果要对这个系列有什么扩展的话，写出来的代码就比较难看了。
72920发布于 2021-01-20 - 来自专栏bit哲学院
python生成器迭代器区别，range与xrange区别，yield
a=(x for x in range(10)，括号表示)和带yield的generator function 生成器不但可以用for，还可以用next range直接生成一个可迭代的list，xrange
87500发布于 2020-12-19 - 来自专栏米扑专栏
Python 学习入门（32）—— xrange/range
然而，xrange返回一个"xrange 对象"，该对象非常类似于迭代器。如果你曾经研究过迭代器，则两者的区别就很明显。 下面是个例子： range(1000000) xrange(1000000) range(1000000)会返回一个100万的整数元素的序列，而xrange(1000000)在本质上会返回一个迭代序列。 显然xrange支持迭代，而range不支持。这种收益是很小的，因为"当需要元素的时候，xrange仍然要创建它们"。但是无论需要的序列多大，每次遍历时xrange消耗相同量的内存。 另一个优势也是明显的：当你的代码在遍历已经产生的序列时调用break的话， xrange显然比range要好，因为xrange会消耗更少的内存。 这两个基本上都是在循环的时候用。 尽量用xrange吧，除非你是要返回一个列表。
66730发布于 2019-02-18 - 来自专栏全栈程序员必看
python 之 内置函数大全[通俗易懂]
xrange in module __builtin__: class xrange(object) | xrange(stop) -> xrange object | xrange(start, 只是xrange()返回的不再是一个数列，而是一个 xrange对象。这个对象可以按需生成参数指定范围内的数字（即元素）。 由于xrange对象是按需生成单个的 元素，而不像range那样，首先创建整个list。所以，在相同的范围内，xrange占用的内存空间将更小，xrange 也会更快。 2、xrange()返回的是一个xrange object，且这个对象是个iterable。 3、两者都用与for循环。 4、xrange()占用更少的内存空间，因为循环时xrange()只生成当前的元素，不像range()一开始就成生成完整的list。
68430编辑于 2022-09-08 - 来自专栏python3
python中的for循环对象和循环退出
调用时会从内存中去读取并释放 xrange输出的数值则是一个引用的对象，它不是把遍历结果输出并保存到内存，而是在需要使用该数值时才会去遍历这个范围段的数值，和range不同的是，xrange不会输出信息 xrange是一个object，只有在读取xrange的数据时才会执行它里面的值 xrange的帮助信息 In [7]: help(xrange) Help on class xrange in module __builtin__: class xrange(object) | xrange(stop) -> xrange object | xrange(start, stop[, step]) -> /usr/bin/python for f in xrange(1,10): for j in xrange(1,f+1): print "%sx%s=%s" % (j, f, /usr/bin/python import time import sys for i in xrange(10): if i == 3: continue elif
7K20发布于 2020-01-07 - 来自专栏python3
局部敏感哈希(原始LSH)python实
for i in xrange(m): temp0 =[] for j in xrange(featureDims): tem1 __m_hashFun_level1Subset.append(temp0) for i in xrange(self.__m_k): self. __m_M-1)) def __GetHashFun_level1(self): #生成一级哈希函数 for i in xrange(self. __m_M): for j in xrange(self.__m_k): val = random.randint(0,self. [i] for j in xrange(self.
1.1K20发布于 2020-01-13 - 来自专栏null的专栏
推荐算法——基于矩阵分解的推荐算法
mat(random.random((K, n))) alpha = 0.0002 beta = 0.02 maxCycles = 10000 for step in xrange (maxCycles): for i in xrange(m): for j in xrange(n): if dataMat[i #print dataMat[i,j] error = dataMat[i,j] for k in xrange q[k,j] = q[k,j] + alpha * (2 * error * p[i,k] - beta * q[k,j]) loss = 0.0 for i in xrange (m): for j in xrange(n): if dataMat[i,j] > 0: error =
2.3K110发布于 2018-03-20 - 来自专栏JNing的专栏
leetcode: 44. Wildcard Matching [✗]
+ n) class Solution2: def isMatch(self, s, p): k = 2 result = [[False for j in xrange (len(p) + 1)] for i in xrange(k)] result[0][0] = True for i in xrange(1, len(p) + 1) : if p[i-1] == '*': result[0][i] = result[0][i-1] for i in xrange ) # Space: O(m * n) class Solution3: def isMatch(self, s, p): result = [[False for j in xrange (len(p) + 1)] for i in xrange(len(s) + 1)] result[0][0] = True for i in xrange(1, len
57720发布于 2018-09-27 - 来自专栏python3
python 列表特点及常用操作
9.1 xrange的用法： xrange(开始，结束，步长) xrange 它生成一个xrange对象。 比如： >>> a = xrange(1,10) >>> print type(a) <type 'xrange'> >>> print a[0] 1 >>> x = xrange(1,10) #返回的是一个生成器 >>> x xrange(1, 10) >>> b =range(1,10) #返回的是一个列表 >>> type(b) <type 'list'> >>> b [1, 2, 3, 4, 5, 6, xrange: 它是生成一个xrange对象. xrange的用法： 1、当我们需要操作一个非常大的数据，而且内存比较吃紧的时候，我们可以用xrange来操作省内存。 xrange的数据是取的时候才生成，而range是一次性生成好 2、xrange一般用在循环里面，比如我们只需要操作部分数据的话，而不是返回全部元素来完成操作，推荐用xrange,效率更高。
1.1K30发布于 2020-01-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号