今天星期五，不烧脑了，写一个简单的例子以飨大家。例子虽然简单，但还是有些东西可以学习的。
故事背景：判断一个正整数是不是质数。
逻辑很简单，对于一个数 n，只有从 2 到 n 做个循环，来检查 n 是不是被每个数能整除，如果是，那么 n 不是质数；如果不是，n 是质数。简单明了，代码如下。
def is_prime(n): for i in range(2, n): if n % i == 0: return False return True检验结果没问题。
print( is_prime(6) )print( is_prime(7) )False如果你就此满足，就太不 Pythonic 了。你看这上面 for + if + 两个 return 不觉得丑吗？反正我觉得丑。因此我准备用 Python 里面的 all() 函数来实现，先看看 all() 函数怎么用，用 help(all) 来查看。
help(all)Help从上可知，all() 函数的参数是一个可迭代对象(iterable)，像列表、元组、字典等等都是可迭代对象。不清楚的同学请参考【两大利器】此贴。
当所有元素都为 True 时，返回 True；只要有一个元素为 False，返回 False。
来我们验证几组，结果没问题。
all([1, 2, 3]all([1, 2, 0])all([1, 2, 'all'])all([[], 2, 'all'])True这时候需要了解一个知识点，看完就弄懂上面的结果了。
知识点
非布尔型变量也有相对性的布尔值，设该变量为 X
- 当 X 是元素型变量(整型、浮点型)
- 当 X 为 0, 0.0,
bool(X) =False - 当 X 非零,
bool(X) =True
- 当 X 是容器型变量(字符串、列表、元组、字典、集合)
- 当 X 为空,
bool(X) =False - 当 X 不为空,
bool(X) =True
代码验证：
print( type(0), bool(0), bool(3) )print( type(10.31), bool(0.00), bool(10.31) )print( type(''), bool( '' ), bool( 'python' ) )print( type(()), bool( () ), bool( (10,) ) )print( type([]), bool( [] ), bool( [1,2] ) )print( type({}), bool( {} ), bool( {'a':1, 'b':2} ) )print( type(set()), bool( set() ), bool( {1,2} ) )class 'int'> False True好，我们现在开始用 all() 函数来实现找质数，那么最自然的就是先创建一个空列表，然后检查 n 是否能被每个元素 i 整除，是的话 n 不是质数，因此列表附加 False 值，反之列表附加 True 值。
def is_prime(n): divisible = [] for i in range(2, n): if n % i == 0: divisible.append(False) else: divisible.append(True) return all(divisible)结果虽然没问题，但更丑了，这怎么越改还越差了呢？
print( is_prime(11) )print( is_prime(12) )True来做点改进，直接在列表上附件表达式 n%i != 0，和上面的代码等价。
def is_prime(n): divisible = [] for i in range(2, n): divisible.append(n % i != 0) return all(divisible)结果没问题，但代码还是丑陋冗长。
print( is_prime(13) )print( is_prime(14) )TrueHello，这可是生成列表啊，那用列表解析式(list comprehension)啊！不清楚的同学请参考【盘一盘 Python 下篇】此贴第 5 章。
def is_prime(n): divisible = \ [n % i != 0 for i in range(2, n)] return all(divisible)检验结果没问题，而且代码漂亮了。但是如果 n 很大又刚好不是质数，那么按照判断逻辑，我们只要找到某个 i 使其可以整除 n 就已经可以判断 n 不是质数了，但是写成列表解析式我们还要把整个列表运行完！
print( is_prime(15) )print( is_prime(16) )False一个一个判断，只要到达某点就停，你想到了什么？对，生成器(generator)！
生成器是按需求调用 (call-by-need) 的，你需要调用一个值，我就 yield 一个值，然后用 next() 更新内部状态，等待你下次调用。这套流程也称作惰性求值 (lazy evaluation)，目的是最小化计算机要做的工作。在大规模数据时，一次性处理往往抵消而且不方便，而惰性求值解决了这个问题，它把计算的具体步骤延迟到了要实际用该数据的时候。
改下代码，只用把列表解析式的方括号 [] 改成生成器的小括号 ()，就完事了。
def is_prime(n): divisible = \ (n % i != 0 for i in range(2, n)) return all(divisible)检验结果当然没问题。
print( is_prime(17) )print( is_prime(18) )True那我们来看看两者的运行效率吧，为了方便比较，定义了两个函数：
- is_prime_list_comprehension
- is_prime_generator
def is_prime_list_comprehension(n): return all([n % i != 0 for i in range(2, n)])def is_prime_generator(n): return all((n % i != 0 for i in range(2, n)))例子 1：我找了个比较大的质数 131071，用 %timeit 魔法指令来显示运行时间。
哈哈哈哈，傻眼了吧，生成器运行的时间 (13.6ms) 比列表解析式运行的时间 (13.1ms) 长。
再想想，当一个数的质数，两个函数都要从头运行到尾哦，13.6ms 和 13.1ms 可以看做一样的。
例子 2：在找一个比较大的非质数，试试 8191*8191 = 67092481，它肯定不是质数，而且也没那么快找出来，因为 8191 是质数，你品一下。
8191*8191
67092481再看两者运行对比结果，引起极度舒适。
总结
你光讲了 all 函数，那 any 函数呢？类比一下嘛！
all( [x1, x2, ..., xn] ) 是所有 xi 都为 True 返回 True(all 的含义)，反之返回 False。
any( [x1, x2, ..., xn] ) 是只要有一个 xi 为 True 就返回 True(any 的含义)，反之返回 False。
因此，只要你见到下图左边的代码样子，你就可以用 all() + 生成器。
只要你见到下图左边的代码样子，你就可以用 any() + 生成器。
其实找质数也可以用 any() 函数来实现，代码如下：
def is_prime_use_any(n): return not any((n % i == 0 for i in range(2, n)))注意 any() 函数前面加了一个 not，而且表达式从 n%i != 0 改成 n%i = 0。意思就是说如果 n 可以被任何(any 的含义)i 整除，返回为 True，前面加个 not 就返回为 False，那么就不是质数。
我的天啊，绕不绕口？这代码反不反人性？再回顾一下优雅 all() 函数实现的代码吧。
def is_prime_use_all(n): return all((n % i != 0 for i in range(2, n)))说如果 n 不能被所有(all 的含义)i 整除，返回为 True，那么就是质数。
