Python range对象是怎样占用内存的？

在 Python 3 里，range 这个东西啊，说起来是个“看着普通，用着精妙”的代表。尤其是在内存占用这块，可以说是“极致克制”的典范。

我们先说一个很直观的现象：

是不是有点神奇？你创建了一个从0到999999的超长范围，它居然和只创建0到9的对象占用一样的内存。为啥？因为 range 根本就不存储每一个数值，它只是存了几个控制变量——开始、结束、步长。
说白了，它就是一个“假装是个列表”的对象，它没把所有的元素都放进内存里，而是到了你用的时候，才实时计算出当前应该给你哪个值。
就像你告诉它：“我想从 0 数到 10，步长是 1”，它只会把这三个数：start=0, stop=10, step=1，记在自己的脑子里。剩下的你什么时候要，我就现算一个给你。CPU干这个活比内存省事多了，而且效率还贼高。
你可能会问：那这样计算出来的值是不是慢呢？答案是：几乎感觉不到。我们看下源码实现（简化版的意思）：

每次你访问 range[i]，它就这么一算，瞬间就拿到了结果。不是列表那种一项项放在内存里的方式，而是动态计算。因为只用了加法和乘法这种极快的整数运算，所以性能可以说是稳得一批。
这就是为什么在你用 for i in range(1000000000): 的时候，Python 照样跑得飞快，而你系统的内存也不会炸。因为它根本就没把那10亿个数字都放在内存里。

再来看看极端对比：

创建完整列表就不一样了，得老老实实在内存中存下所有100万个元素。你要是真在内存敏感的场景下还这么搞，那就是自找麻烦了。
我在之前搞爬虫数据清洗的时候，就吃过这亏。用了 list(range(n)) 处理分批任务，结果在高并发场景下，几个线程加一起瞬间爆内存... 后来全都改成了 range(n) 原始对象，用的时候才转成迭代器取数据，瞬间稳住。
还有个细节值得一提：虽然 range 很省内存，但它并不是“懒加载到极致”。它内部其实有缓存机制，比如你频繁访问某些 index，它会在内部保存一段范围，免得每次都重新算。当然这块 Python 不太会暴露给用户，但确实有助于提升性能。
再多说一点偏门但实用的点：
你知道 range() 返回的对象可以比列表更适合做集合操作吗？因为 range 是不可变的（immutable），可以当字典的 key 或放到 set 里，而列表就不行：

有时候你需要在做缓存、去重操作的时候，就可以用 range 当做一个“轻量级不可变区间标识符”。
所以总结一下，range() 的内存占用方式就是：
只记录起始值、终止值、步长三个整数
不存储任何实际数据
访问时即时计算，不需要预先加载
所有实例的大小几乎相同，极小的内存 footprint
是 immutable 的，可以安全地当字典 key 或放入集合
你要是现在还在处理几百万个任务，用的是 list(range(...))，那我劝你赶紧改，range 本身就够用了。
最后来个面试高分回答模板：
面试最优回答：
Python 3 中的 range() 返回的是一个轻量级的、不可变的可迭代对象，它只存储起始值、结束值和步长，所有元素在访问时才动态计算，因此非常节省内存。无论生成多大范围的数列，range 对象本身的内存占用几乎恒定，是处理大规模数据遍历时非常推荐的方式。如果需要迭代取值，可以通过 iter(range()) 转为迭代器使用，这种惰性计算+固定内存的设计是 Python 在性能优化上的一个亮点。