您可以检查返回类型并推断它的含义：

print(type(range(0,5))) 
import numpy as np  
print(type(np.arange(0,5)))

其中打印：

<class 'range'>
<class 'numpy.ndarray'>

这里有一个相关的问题：Why was the name "arange" chosen for the numpy function?
1.有些人做from numpy import *，这会隐藏range，从而导致问题。
1.未选择将函数命名为arrayrange，因为它太长，无法键入。

“a”代表numpy.arange中的“array”。numpy.arange是一个函数，它在给定的区间内生成一个序列数数组。它与Python内置的range（）函数的不同之处在于，它可以处理浮点数以及任意步长。此外，numpy.arange的输出是一个元素数组，而不是一个range对象。

从前面的SO中我们了解到，在某种意义上，'a'代表'array'。arange是一个函数，它返回一个numpy数组，至少在简单的情况下，类似于list(range(...))生成的列表。
对于整型参数，该函数大致等同于Python内置的range，但是返回一个ndarray而不是range示例。

In [104]: list(range(-3,10,2))
Out[104]: [-3, -1, 1, 3, 5, 7, 9]

In [105]: np.arange(-3,10,2)
Out[105]: array([-3, -1,  1,  3,  5,  7,  9])

在py 3中，range本身是“未求值的”，它就像生成器一样，它相当于py 2x 1 m4n1x。
最好的“定义”是官方文档页面：
https://numpy.org/doc/stable/reference/generated/numpy.arange.html
但是也许你想知道什么时候使用一个或者另一个，简单的答案是-如果你正在做python级别的迭代，range通常更好，如果你需要一个数组，使用arange（或者np.linspace，如文档所建议的）。

In [106]: [x**2 for x in range(5)]
Out[106]: [0, 1, 4, 9, 16]

In [107]: np.arange(5)**2
Out[107]: array([ 0,  1,  4,  9, 16])

我经常使用arange创建一个示例数组，如下所示：

In [108]: np.arange(12).reshape(3,4)
Out[108]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

虽然可以从range（例如np.array(range(5))）制作阵列，但相对较慢。np.fromiter(range(5),int)较快，但仍不如直接np.arange好。