Python中哪些数据类型属于序列？range和bytes算吗

直接结论：在 Python 中，range 和 bytes 都是完全符合标准序列协议的正统内置序列（Sequence）类型。Python 中的序列家族涵盖了可变序列（list、bytearray）与不可变序列（str、tuple、range、bytes）。理解序列的本质，不仅要看其能否被循环遍历，更要看其是否满足按整数下标寻址、切片计算以及恒定长度等严格协议。

一、Python 序列的核心定义与判别标准

很多刚接触 Python 的开发者容易混淆“可迭代对象（Iterable）”与“序列（Sequence）”的区别。所有序列都是可迭代对象，但并非所有可迭代对象都能称作序列。

在 Python 官方数据模型及抽象基类 collections.abc.Sequence 中，一个类型要成为合格的序列，必须满足以下核心行为特征：

• 整数有序下标寻址：支持通过从 0 到 len - 1 的非负整数（以及负数倒序索引）读取元素，底层实现了 __getitem__ 方法。
• 切片运算支持：支持 s[start:stop:step] 切片语法，且切片结果通常返回同一序列类型的派生子集。
• 确定的长度：实现了 __len__ 方法，可以通过 len(s) 在常数级或确定性时间内获取元素总量。
• 成员包含与统计方法：直接支持 x in s、x not in s、s.index(x) 以及 s.count(x) 等序列公用操作。

二、Python 中属于序列的完整数据类型清单

按照对象被创建后其内存内容是否允许原地修改，Python 将序列清晰划分为两大分支：

1. 内置不可变序列（Immutable Sequences）

• str（文本字符串）：存储 Unicode 字符序列。一旦创建不可原位修改，对字符串的切片与拼接均生成新的字符串对象。
• tuple（元组）：通用的不可变对象序列。支持存放任意异构对象，当元组内包含的所有元素均不可变时，该元组本身亦为可哈希对象。
• range（范围数值序列）：专门用于生成等差整数数列的不可变序列，常用于循环控制与紧凑区间计算。
• bytes（不可变二进制字节串）：由范围在 0 <= x < 256 之间的单字节整数构成的不可变序列，是处理二进制文件、网络封包以及编码传输的基础载体。

2. 内置可变序列（Mutable Sequences）

• list（列表）：最常用的动态可变序列。支持在任意位置插入、删除、追加元素以及切片原地赋值。
• bytearray（可变字节数组）：bytes 的可变镜像类型。支持像列表一样通过索引修改指定单字节内容（如 ba[0] = 65），在需要频繁拼装或修改底层二进制数据的场景下避免多余的内存拷贝。

3. 标准库常见拓展序列

除了内置关键字类型外，标准库中的 collections.deque（双端队列）和内置的 memoryview（内存视图）也实现了 collections.abc.Sequence 接口，具备标准的切片与下标访问行为。

三、深度剖析：为什么 range 算正统序列，而不是迭代器？

在 Python 2 中，range() 会直接生成一个包含所有数字的实际 list，而 xrange() 则返回一个惰性计算对象。到了 Python 3，旧的 range 列表被彻底移除，全局的 range 类型完全继承了惰性优势。

正因为 range 具备惰性求值的特征，许多开发者误以为它是一个“生成器”或“迭代器”。然而从类型系统和运行时行为来看，range 是名副其实的不可变序列，绝对不是迭代器。

1. 内存极小但支持 O(1) 随机访问

range 对象在内存中只固定保存三个数值：start（起始值）、stop（终止界限）和 step（步长）。无论范围跨越 10 个数字还是 10 亿个数字，其内存消耗都仅为微小的数十个字节。

由于遵循严格的等差数列规律，range 能够在常数级时间 O(1) 内直接根据公式定位任意位置的元素：

# 演示环境：Python 3.9+ 交互式终端
r = range(10, 1000000000, 5)

# 1. 验证索引随机访问（直接计算，无需遍历）
print("第 4 个元素:", r[3])

# 2. 验证切片依然返回一个 range 序列
sub_r = r[2:10:2]
print("切片对象:", sub_r)
print("切片元素展开:", list(sub_r))

# 3. 验证成员测试（纯数学计算，耗时极短）
print("995 是否在序列中:", 995 in r)
print("996 是否在序列中:", 996 in r)

2. range 与迭代器的本质差异

如果 r 是一个生成器或迭代器，那么在执行过一次遍历后，对象就会耗尽；而且对其调用 next(r) 会推进内部指针。但 range 对象具有完全不同的表现：

• 可反复遍历：可以对同一个 range 实例执行多次 for 循环，数据永远不会被“消耗”。
• 不支持 next()：直接对 range 调用 next(r) 会立即抛出 TypeError: 'range' object is not an iterator，必须通过 iter(r) 获取其关联的独立迭代器。
• 支持 len() 与反向索引：能够直接获取 len(r) 以及使用 r[-1] 获取尾部元素，这些都是迭代器无法做到的。

四、深度剖析：bytes 的序列本质与常见使用陷阱

bytes 是 Python 3 中用于管理原始二进制数据流的基石类型。无论是文件读写中的 "rb" 模式、网络套接字传输，还是密码学加密算法输入，bytes 都是唯一直接打交道的数据形态。

bytes 是不可变序列，其内部元素为数值在 0 至 255 之间的 8 位无符号整数。

1. 单元素索引与切片返回类型的微妙差别

初学者在使用 bytes 时最容易踩坑的一点，就是“单下标索引”与“切片”返回类型的不同。在文本字符串中，"abc"[0] 返回的是单个字符构成的字符串 'a'；但在 bytes 中，单下标索引返回的是对应的整数：

# 创建一个 bytes 序列
b = b"Python"

# 1. 验证长度与单元素下标访问
print("字节序列长度:", len(b))
print("首字节索引 b[0] 的值:", b[0])
print("首字节索引 b[0] 的类型:", type(b[0]))

# 2. 验证切片访问
slice_b = b[0:1]
print("单元素切片 b[0:1] 的值:", slice_b)
print("单元素切片 b[0:1] 的类型:", type(slice_b))

# 3. 遍历 bytes 序列
byte_values = [x for x in b]
print("循环迭代解包结果:", byte_values)

当编写网络协议解析程序时，如果需要截取并保持为二进制格式，切记使用切片语法 b[i:i+1]；如果需要判断具体的 ASCII 码值或进行位运算，直接使用 b[i] 取出 int 即可。

2. bytes 与 bytearray 的可变性对比

bytes 具有与 str 相同的不可变性：一旦声明就无法修改其任意字节。如果需要高频组装、修改报文缓冲区，可以使用其对应的可变序列版本 bytearray：

# 将不可变 bytes 转换为可变序列 bytearray
buffer = bytearray(b"Hello")
buffer[0] = 74  # 将 'H'(72) 原地修改为 'J'(74)
print("修改后的缓冲区内容:", buffer)
print("转换为不可变 bytes:", bytes(buffer))

五、实战验证：如何在代码中严格检测一个对象是否属于序列？

在实际工程开发中，如果需要对函数传入的参数进行防御性断言，判断入参是否为序列，推荐使用标准库中的抽象基类（Abstract Base Class, ABC）进行规范化检查。

通过导入 collections.abc.Sequence，可以使用标准的 isinstance() 进行权威判定。以下示例验证了各类常见对象在基类检查中的实际表现：

from collections.abc import Sequence, MutableSequence

def check_sequence_attributes(name, obj):
    is_seq = isinstance(obj, Sequence)
    is_mut_seq = isinstance(obj, MutableSequence)
    print(f"{name:<18} | Sequence: {str(is_seq):<5} | MutableSequence: {str(is_mut_seq):<5}")

print(f"{'对象名称':<18} | {'属于序列?':<14} | {'属于可变序列?'}")
print("-" * 52)
check_sequence_attributes("list [1, 2]", [1, 2])
check_sequence_attributes("tuple (1, 2)", (1, 2))
check_sequence_attributes("str 'abc'", "abc")
check_sequence_attributes("range(10)", range(10))
check_sequence_attributes("bytes b'abc'", b"abc")
check_sequence_attributes("bytearray(b'abc')", bytearray(b"abc"))
check_sequence_attributes("dict {'a': 1}", {'a': 1})
check_sequence_attributes("set {1, 2}", {1, 2})
check_sequence_attributes("generator", (x for x in range(3)))

六、全文总结与关键认知

回顾本文的核心问题，掌握以下三点结论即可在实际开发中准确把握 Python 序列的选型与使用：

1. 明确答案：range 和 bytes 都是完全正统的内置不可变序列类型，它们在语言底层与标准库抽象基类中都严格实现了序列协议。
2. 打破误区：range 的“惰性”属于内部存储与运算的优化策略，它支持 O(1) 的随机索引、切片计算以及重复迭代，绝非一次性消费的迭代器或生成器。
3. 关注行为：bytes 作为二进制数值序列，其单项索引返回 int 整数，而切片保留 bytes 类型。在需要就地修改二进制内容的场景下，应选用其可变版本 bytearray。