这不是埃拉托色尼筛法，尽管看起来确实如此。事实上，情况要糟糕得多。 Sieve 是寻找素数的最佳算法。
见http://en.wikipedia.org/wiki/Sieve_of_Eratosthenes
编辑：我已将https://stackoverflow.com/a/9302299/711085 修改为单线（最初它不是真正的 Sieve，但现在...可能...）：
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，但由于非持久（共享状态和不可变）数据结构，它在 python 中可能效率不高，并且 python 中的任何筛子都需要使用突变以达到可比的性能。如果我们非常想的话，我们仍然可以把它塞进一条线。但首先...
普通筛子：
>>> 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]
我们现在可以在同一行上定义和调用匿名函数，以及[...].__setitem__ 的hack 进行内联突变，以及... and foo 的hack 来评估... 同时返回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]
继续惊恐地畏缩，单行扩展（奇怪的漂亮，因为你几乎可以直接翻译控制流，但对一切都是可怕的滥用）：
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，这个单行变异版本在 108 左右放弃，而原始变异版本在 109 左右放弃，内存不足（奇怪）。
原来的reduce版本在107放弃了。所以也许它毕竟不是那效率低下（至少对于你可以在你的计算机上处理的数字）。
edit2 看来您可以更简洁地滥用副作用：
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)))
它在 108 左右放弃，与单线变异版本相同。
edit3: 这个runs at O(N) empirical complexity，而没有difference_update 它运行在O(n^2.2) complexity。
将减少的范围限制为上限的 sqrt，并工作 with odds only，两者都会导致额外的加速（2x 和 1.6x 对应）：
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)))