大数跨境
0
0

Python一行代码求解质数

Python一行代码求解质数 AI算法之道
2022-03-16
0
导读:本文从质数的定义入手,首先实现了简单的多行代码求解输入是否为质数的问题,接着将其进行改写成一行代码实现的形式,可以加深大家对Python语法的深入了解,并给出了相关代码实现.




01


引言



今天我们来继续使用一行代码来求解我们常见的基础算法题目,今日的任务是实现一个函数 is_prime(n) ,该函数用于接受一个整数 n作为输入,如果 n为质数,该函数返回True,否则返回False.





02


质数


质数的官方定义为:
质数是一个大于1的整数,其因子只有1和它本身。换句话说,质数必须是2或更大的整数,并且不能被除1和它本身之外的任何其他数字整除。

下面是1到100之间的素数列表:

2 3 5 7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 67 71 73 7983 89 97
我们的目标是使用一行代码来实现一个的函数是is_prime(n), 它接受输入参数n,如果n是质数,则返回True,否则返回False。


03


通用解法


在介绍一行代码的解决方案之前,我们先来介绍该问题的多行代码解法。

判断质数代码如下:

def is_prime(n):    for i in range(2, n//2+1):        if n % i == 0:            return False    return True
解释:

由于质数只能被1和它本身除。因此,我们搜索从2到n//2的每个数字,并检查n是否可以被其中任何一个因数整除即可。如果我们发现存在一个可以被n整除的数,那么我们肯定知道n不是素数,因此立即返回False。如果我们在迭代结束时没有返回False,此时我们知道n是一个素数,此时返回True。

举个栗子:

上述解释代码一大堆,不如直接来看个例子吧...
我们来看 n=17的情形:
i    n%i2    1 3    24    15    26    57    38    1end of for loop -> return True
接着,我们来看 n=21的情形:
i    n%i2    13    0 -> returns False immediately



04


一行代码的解法


既然我们已经有了多行代码的解决方案,接着我们可以尝试把它修改成一行代码的解决方案。我们可观察上述代码,我们无法将上述for循环转换为一行代码的列表生成式,因此我们需要将其进行转换,代码如下:

def is_prime(n):    remainders = []    for i in range(2, n//2+1):        remainders.append(n%2)    return 0 not in remainders

在上述函数中,我们生成从2到n//2的所有数字,并将其余数存储在余数列表中。如果n是质数,那么列表中不应该有0。

经过上述转换,我们可以很方便地将其修改成一行代码的形式,如下:
def is_prime(n):return 0 not in [n%i for i in range(2,n//2+1)]




05


扩展


有了上述判断一个整数是否为质数的功能,我们可以将其扩展,即扩展成求封闭区间[a,b]之间的所有质数,

多行代码实现如下:
def gen_prime(a, b):    output = []    for n in range(a, b+1):        if is_prime(n):            output.append(n)    return output

有了上述的实现,我们接着将其转化为一行代码实现,代码如下:

def gen_prime(a, b): return [n for n in range(a,b+1) if 0 not in [n%i for i in range(2, n//2+1)]]




06


总结

本文从质数的定义入手,首先实现了简单的多行代码求解输入是否为质数的问题,接着将其进行改写成一行代码实现的形式,可以加深大家对Python语法的深入了解,并给出了相关代码实现.



您学废了吗?






点击上方小卡片关注我



万水千山总关情,点个在看行不行。

【声明】内容源于网络
0
0
AI算法之道
一个专注于深度学习、计算机视觉和自动驾驶感知算法的公众号,涵盖视觉CV、神经网络、模式识别等方面,包括相应的硬件和软件配置,以及开源项目等。
内容 573
粉丝 0
AI算法之道 一个专注于深度学习、计算机视觉和自动驾驶感知算法的公众号,涵盖视觉CV、神经网络、模式识别等方面,包括相应的硬件和软件配置,以及开源项目等。
总阅读256
粉丝0
内容573