Pythonrange为何不占内存？详解惰性求值原理

Python 中的 `range` 对象之所以能轻松应对 `range(10**18)` 这样天文数字般的范围而不爆内存，关键在于它并非真正存储所有数字，而是一个精巧的惰性序列——仅用约48字节恒定内存保存起始值、结束值和步长三个整数，并通过即时数学计算（如 `a + i * step`）响应索引访问、长度查询甚至成员判断，彻底摆脱了预分配和遍历开销；相比之下，`list(range(...))` 才会因实际生成海量整数对象而迅速耗尽内存，这种基于纯逻辑运算的底层设计，让 `range` 成为超大数值范围场景下高效、安全且优雅的首选工具。

因为 range(10**18) 不是生成一个包含 10¹⁸ 个整数的列表，而是返回一个 range 对象——它只存起点、终点和步长三个整数，用到时才按需计算，内存占用恒定在几十字节。

range 是一个惰性序列对象，不是容器

Python 的 range 类型本质上是一个不可变的序列类型，但它不预先分配元素内存。它内部只保存：

• start（起始值）
• stop（结束值）
• step（步长）

所有索引访问（如 r[1000000000]）、迭代、长度查询（len(r)）、成员判断（123 in r）都通过数学公式即时计算，无需遍历或存储中间值。例如：
r[1000000000] 直接算出 start + 1000000000 * step，不依赖前 999999999 项。

对比 list(range(...)) 才真爆内存

如果写 list(range(10**6))，Python 就会真的创建含 100 万个 int 对象的列表，每个 int 占约 28 字节（CPython），总内存超 28 MB；而 range(10**6) 仍只占约 48 字节。

range(10**18) 同理：它不关心 stop 多大，只要 start/stop/step 是整数，对象就成立。哪怕 stop 是 10**100，内存开销也几乎不变。

底层实现靠数学逻辑，不是迭代器包装

注意：range 不是基于 __iter__ + yield 实现的生成器，也不是简单封装了迭代器。它的 __contains__、__getitem__、__len__ 都直接走整数运算路径：

• len(range(a, b, s)) → (b - a + s - 1) // s（整数除法）
• range(a,b,s)[i] → a + i * s
• x in range(a,b,s) → 检查 (x - a) % s == 0 且 a ≤ x < b（带符号处理）

这种设计让 range 在大范围数值场景（如循环索引、分片计算、算法坐标生成）中既高效又安全。

文中关于的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《Pythonrange为何不占内存？详解惰性求值原理》文章吧，也可关注golang学习网公众号了解相关技术文章。