尽管看起来像那不是Eratosthenes的筛子。实际上，情况要差得多。筛子是找到素数的最佳算法。
参见http://en.wikipedia.org/wiki/Sieve_of_Eratosthenes
编辑
：我已经将修改为单线（最初不是真正的筛网，但现在可能是…）：
reduce( (lambda r,x: r-set(range(x**2,N,x)) if (x in r) else r), range(2,N), set(range(2,N)))
演示：
>>> primesUpTo(N): lambda N: reduce(...)>>> primesUpTo(30){2, 3, 5, 7, 11, 13, 17, 19}遗憾的是，我认为虽然这在函数式编程语言中会很有效，但由于数据结构（非持久性（共享状态和不可变的））的存在，它在python中可能不那么有效，并且python中的任何筛子都需要使用突变来实现可比的性能。如果我们非常想这样做，我们仍然可以将其填充为单线。但首先…
普通筛：
>>> N = 100>>> table = list(range(N))>>> for i in range(2,int(N**0.5)+1):... if table[i]:... for mult in range(i**2,N,i):... table[mult] = False... >>> primes = [p for p in table if p][1:]>>> primes[2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97]
现在，我们可以在同一行上定义和调用匿名函数，以及
[...].__setitem__进行内联突变的hack和在返回时
... andfoo求值的hack ：
...``foo
>>> primesUpTo = lambda N: (lambda table: [[table.__setitem__(mult,False) for mult in range(i**2,N,i)] for i in range(2,int(N**0.5)+1) if table[i]] and [p for p in table if p][1:])(list(range(N)))>>> primesUpTo(30)[2, 3, 5, 7, 11, 13, 17, 19, 23, 29]
令人恐惧的是，单线扩展了（这很漂亮，因为您几乎可以直接转换控制流，但是对所有内容的滥用却很糟糕）：
lambda N: (lambda table: [[table.__setitem__(mult,False) for mult in range(i**2,N,i)] for i in range(2,int(N**0.5)+1) if table[i]] and [p for p in table if p][1:] )(list(range(N)))
在我的机器上，这种单线变异版本放弃了大约10 8，而原始变异版本放弃了大约10 9，导致内存不足（奇怪）。
原始
reduce版本在10 7放弃。因此，也许毕竟不是 那么 低效（至少对于您可以在计算机上处理的数字而言）。
edit2 似乎您可以更简洁地滥用副作用，例如：
reduce( (lambda r,x: (r.difference_update(range(x**2,N,x)) or r) if (x in r) else r), range(2,N), set(range(2,N)))
它放弃了大约10 8，与单线变异版本相同。
edit3：
这以O（N）的经验复杂度运行，而没有
difference_update它，则以O（n
^ 2.2）的复杂度运行。
将缩小的范围限制为上限的平方根，并且仅使用赔率进行处理，两者都会导致额外的提速（分别为 2 倍
和 1.6倍 ）：
reduce( (lambda r,x: (r.difference_update(range(x*x,N,2*x)) or r) if (x in r) else r), range(3, int((N+1)**0.5+1), 2), set([2] + range(3,N,2)))
