### Python函数实现1到n之间所有质数的生成 以下是基于给定引用内容以及专业知识编写的Python函数，用于返回1到n之间的所有质数： #### 方法一：使用传统循环方法 通过遍历范围内的每个数字，并逐一验证其是否为质数。 ```python def find_primes(n): primes = [] for num in range(2, n + 1): # 质数从2开始 is_prime = True sqrt_num = int(num ** 0.5) + 1 for i in range(2, sqrt_num): if num % i == 0: is_prime = False break if is_prime: primes.append(num) return primes ``` 此方法的核心在于利用平方根优化减少不必要的除法操作[^3]。 --- #### 方法二：埃拉托斯特尼筛法（Sieve of Eratosthenes） 这是一种高效的算法，适用于大规模数据筛选。 ```python def sieve_of_eratosthenes(n): if n < 2: return [] is_prime = [True] * (n + 1) is_prime[0], is_prime[1] = False, False for p in range(2, int(n**0.5) + 1): if is_prime[p]: for multiple in range(p*p, n + 1, p): is_prime[multiple] = False primes = [num for num, prime_flag in enumerate(is_prime) if prime_flag] return primes ``` 这种方法通过对布尔数组的操作快速排除非质数候选者，从而显著提高效率[^2]。 --- #### 方法三：生成器表达式形式 对于更简洁的代码风格，可采用生成器表达式配合`yield`关键字逐步生成质数序列。 ```python def generator_primes(n): def is_prime(x): if x < 2: return False for factor in range(2, int(x**0.5)+1): if x % factor == 0: return False return True for number in range(2, n + 1): if is_prime(number): yield number ``` 上述代码中嵌套了一个辅助函数 `is_prime()` 来完成单个数值的判定逻辑[^1]。 --- ### 性能对比分析 三种方式各有优劣，在实际应用时需综合考虑输入规模与性能需求。当处理较小范围的数据集时，简单迭代可能已经足够；而对于更大区间，则推荐优先选用筛法以降低时间复杂度[^4]。 相关问题