Python 3 的 range 对象内存恒定且惰性计算，仅存储 start、stop、step 三个整数及元信息，支持 O(1) 成员判断、切片重算参数、负步长等数学优化，而 Python 2 的 range/xrange 在内存和算法上均无此优势。
Python 3 的 range 对象本身几乎不占内存，和你要生成的数字有多大完全无关——它只存三个整数：start、stop、step，再加上少量元信息。
range对象不存数字，只存公式
你写 range(10**12)，它不会在内存里放一万亿个整数，甚至不会算出其中任何一个值，直到你真正迭代或做成员判断。它内部就是一个数学描述：“从 0 开始，每次加 1，直到 ≥ 10¹²”。所以 sys.getsizeof(range(10)) 和 sys.getsizeof(range(10**15)) 返回的字节数几乎一样（约 48 字节）。
而 Python 2 的 range(10**6) 会立刻分配并填充一百万个 int 对象，每个在 CPython 中至少占 24 字节，加上列表结构开销，轻松吃掉 20MB+ 内存。
- 误用
list(range(n))就等于放弃所有内存优势，立刻触发MemoryError（比如n = 10**8） -
range支持len()、__contains__（如999 in range(1000)），但底层是算术判断，不是遍历 - Python 2 的
xrange虽也惰性，但不支持切片或__contains__，999 in xrange(1000)是线性扫描
切片不展开，只重算参数
range 的切片操作（如 r[5:15:2]）不会生成新数字，而是根据原始 start/stop/step 和切片规则，推导出新的三元组，构造另一个轻量 range 对象。
立即学习“Python免费学习笔记（深入）”；
比如 range(0, 100, 2)[5:15:2] 等价于 range(10, 30, 4)，结果仍是恒定内存的对象，不是列表也不是拷贝。
- Python 2 的
xrange直接不支持切片，xrange(10)[2:5]抛TypeError - 别指望
range切片后能随机索引——它返回的还是range，不是list - 负步长切片（如
range(10)[::-1]）返回的是range(9, -1, -1)，不是反转后的列表
成员判断是 O(1) 数学运算，不是 O(n) 扫描
n in range(a, b, s) 在 Python 3 中是纯算术：先检查 n 是否落在区间内，再验证 (n - a) % s == 0。整个过程不触发迭代，也不生成中间值。
而 Python 2 的 n in xrange(a, b, s) 必须从头开始一个个比对，最坏情况要执行 (b-a)//s 次判断——10**12 in xrange(10**12 + 1) 实际上会卡住甚至失败。
- 这个差异不是“省内存”，而是算法层面的升级：把查找变成可解的同余方程
- 哪怕
10**100 in range(10**100 + 1)也瞬间返回True，前提是整数没溢出 - 注意边界：步长为负时，区间方向要反过来看，
5 in range(10, 0, -2)是True，但5 in range(10, 0, -3)是False
真正容易被忽略的点是：range 的省内存优势只在它保持为 range 类型时成立；一旦调用 list()、tuple() 或参与需要完整序列的运算（比如传给某些 NumPy 函数），内存就会立刻膨胀。它的轻量，本质是“延迟到不可回避时才付出代价”。
