一般,构造一个含有2-x之间所有质数的列表,我们采用最简单的遍历判断质数的方法:
# 方法一
1 prime = [] 2 3 def is_prime(n): 4 if n <= 1: 5 return False 6 for i in range(2, int(math.sqrt(n)) + 1): 7 if n % i == 0: 8 return False 9 return True 10 11 for i in range(2, x): 12 if is_prime(i): 13 prime.append(i)
这个方法的优势在于逻辑简单,易于想到。
而对于Python非常有特色的列表操作,可以用其特性以更少的步骤获得指定范围的质数:
# 方法二
prime = [2] def list_prime(n): if n < 2: print("invalid input") for i in range(3, n + 1, 2): prime.append(i) k = int(math.sqrt(i)) for x in prime: if i % x == 0: prime.remove(i) break elif x > k: break
对比第一种方式中,如果遇到质数x,那么每个它前面的小于sqrt(x)的数都会与之求余运算一次,需要消耗较多的计算时间;
第二种方式下,在遇到质数x时,仅仅将其与小于sqrt(x)的质数进行求余运算,可以减少计算时间。
但,相对于运算节省的时间,第二种方式下用到了prime.remove()方法,而这会占用大量运算量,因此进行了优化:
# 方法二(改进)
1 prime = [2] 2 3 def list_prime(n): 4 if n < 2: 5 print("invalid input") 6 for i in range(3, n + 1, 2): 7 k = int(math.sqrt(i)) 8 flag = True 9 for x in prime: 10 if i % x == 0: 11 flag = False 12 break 13 elif x > k: 14 break 15 if flag: 16 prime.append(i)
优化后,不再有先添加(prime.append())再移除(prime.remove())的操作,而是使用flag标志对质数进行标记,节省了运算量。
方法直接运用已建立的质数表作为运算参数,减少了无谓的计算量。
在较少数据量时,第一种方法对列表的操作更少,会有一定优势。
而在更大量数据下,第二种方式会节省大量运算与缓存空间,适用范围更广。
更进一步,当我们需要判断一个更大的数是否是质数(如判断一个1.1E16<x<1.2E16的数x)时,用已求得的质数表进行递归运算是种合适的思路。