浅谈Python中range与Numpy中arange的比较-创新互联

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 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]