求1到n的所有质数（素数）

1. 一般方法

定义一个空列表，双层循环实现。时间复杂高计算慢（时间复杂度为$\mathrm{O}\left({\mathrm{n}}^2\right)$）

def naive_prime(n):
	result = []
	for i in range(2, n+1):
		if i == 2:
			result.append(i)
			continue
		for j in range(2, i):
			if i % j == 0:
				break
			else:
				if j == i - 1: 
					result.append(i)
	return result 
		

2. 埃拉托斯特尼筛法

[https://zh.wikipedia.org/wiki/埃拉托斯特尼筛法]
给出要筛数值的范围n，找出$\sqrt{n}$以内的素数$p_1,p_2,\dots ,p_k$。先用2去筛，即把2留下，把2的倍数剔除掉；再用下一个素数，也就是3筛，把3留下，把3的倍数剔除掉；接下去用下一个素数5筛，把5留下，把5的倍数剔除掉；不断重复下去…。
如图：

图片来自 https://upload.wikimedia.org/wikipedia/commons/b/b9/Sieve_of_Eratosthenes_animation.gif
其时间复杂度为（$O\left(n^{\star }\lg \lg n\right)$）

• 算法实现

def my_prime(n):
    is_prime = [True] * (n + 1)
    for i in range(2, (int(n ** 0.5) +1)):
        if is_prime[i]:
            for j in range(i**2, n+1, i):
                is_prime[j] = False
    return [x for x in range(2, n) if is_prime[x]]

3. 两种算法所需时间的计算

用上述两种算法求1到100，1到1000， 1到10000的所有质数，计算两种算法的运行时间，评价其性能

• 第一中算法花费的时间分别为
  $$[0.0001109,0.008414699999999999,0.609495]$$
• 第二种算法花费的时间分别为
  $$[1.4600000000000003e-05,0.0001021000000000008,0.0010745000000000893]$$
  分别提速了
  $$[\begin{array}{cccc}& 6.80555556& 83.48502994& 551.70287728]\end{array}$$
  
• 程序汇总

import matplotlib.pyplot as plt
import seaborn as sns
import time as tm
import numpy as np
def my_prime(n):
    is_prime = [True] * (n + 1)
    for i in range(2, (int(n ** 0.5) +1)):
        if is_prime[i]:
            for j in range(i**2, n+1, i):
                is_prime[j] = False
    return [x for x in range(2, n) if is_prime[x]]

def naive_prime(n):
	result = []
	for i in range(2, n+1):
		if i == 2:
			result.append(i)
			continue
		for j in range(2, i):
			if i % j == 0:
				break
			else:
				if j == i - 1: 
					result.append(i)
	return result 
		

n = [100,1000,10000]
naive_time = []
advanced_time = []
for i in n:

    start_1 = tm.perf_counter()
    naive_prime(i)
    end_1 = tm.perf_counter()
    naive_time.append(end_1 - start_1)
    
    start_2 = tm.perf_counter()
    my_prime(i)
    end_2 = tm.perf_counter()
    advanced_time.append(end_2 - start_2)
print('naive_time ->>>>>>>>', '\n', naive_time)
print('advanced_time_time ->>>>>>>>', '\n', advanced_time)
print('提速了',(np.array(naive_time) -  np.array(advanced_time)) /  np.array(advanced_time))   
fig = plt.figure(figsize=(10,6))
time = [naive_time, advanced_time]
colors = ['red', 'blue']
label = ['naive_prime', 'advanced_prime']
for i in range(2):
    plt.plot(n, time[i], c=colors[i], label=label[i])
    plt.scatter(n, time[i], c=colors[i])
#添加图例，loc='upper left表示图例位置在最左侧，一般也可以直接使用loc='best'
plt.legend(loc='upper left')
plt.xlabel('number')
plt.ylabel('running time')
plt.title('velocity of two algorithm')
plt.show()