python圆周率计算代码

以下是使用蒙特卡罗方法计算圆周率的Python代码：

import random

def estimate_pi(n):
    num_points_inside_circle = 0
    num_points_total = n
    
    for i in range(num_points_total):
        x = random.uniform(0, 1)
        y = random.uniform(0, 1)
        distance = x**2 + y**2
        
        if distance <= 1:
            num_points_inside_circle += 1
    
    pi_estimate = 4 * num_points_inside_circle / num_points_total
    return pi_estimate

print(estimate_pi(1000000))

该代码使用了蒙特卡罗方法，即在一个正方形内随机生成大量点，然后计算这些点中有多少在一个半径为1的圆内。根据圆的面积与正方形的面积的比值，可以估算出圆周率的值。

蒙特卡罗方法是一种基于随机抽样的统计方法，可以用来估算各种数学问题的解。在计算圆周率时，我们可以将一个半径为1的圆放在一个边长为2的正方形内，然后在正方形内随机生成大量点，计算这些点中有多少在圆内，根据圆的面积与正方形的面积的比值，可以估算出圆周率的值。

具体来说，我们可以使用Python中的random模块来生成随机数，然后使用一个for循环来生成指定数量的点，并计算这些点中有多少在圆内。最后，根据圆的面积与正方形的面积的比值，可以估算出圆周率的值。

以下是使用蒙特卡罗方法计算圆周率的Python代码：

import random

def estimate_pi(n):
    num_points_inside_circle = 0
    num_points_total = n
    
    for i in range(num_points_total):
        x = random.uniform(0, 1)
        y = random.uniform(0, 1)
        distance = x**2 + y**2
        
        if distance <= 1:
            num_points_inside_circle += 1
    
    pi_estimate = 4 * num_points_inside_circle / num_points_total
    return pi_estimate

print(estimate_pi(1000000))

在上面的代码中，我们定义了一个estimate_pi函数，该函数接受一个参数n，表示要生成的点的数量。在函数内部，我们使用一个for循环来生成n个点，并计算这些点中有多少在圆内。具体来说，我们首先使用random.uniform函数生成两个0到1之间的随机数x和y，然后计算这个点到圆心的距离distance。如果distance小于等于1，说明这个点在圆内，我们就将num_points_inside_circle加1。最后，我们根据圆的面积与正方形的面积的比值，计算出圆周率的估计值pi_estimate，并将其返回。

在主程序中，我们调用estimate_pi函数，并传入一个参数1000000，表示要生成1000000个点。最后，我们将估计出的圆周率的值打印出来。运行上面的代码，可以得到类似如下的输出：

3.141732

这个输出的值可能会因为随机数的不同而略有不同，但是通常都会非常接近真实的圆周率的值3.141592653589793。