用python写一段蒙特卡洛模拟

下面是一个简单的蒙特卡洛模拟的Python代码示例，用于估算圆周率π的近似值：

import random

def monte_carlo_pi(num_points):
    points_inside_circle = 0
    total_points = 0

    for _ in range(num_points):
        x = random.uniform(0, 1)
        y = random.uniform(0, 1)
        distance = x**2 + y**2

        if distance <= 1:
            points_inside_circle += 1
        total_points += 1

    return 4 * points_inside_circle / total_points

num_points = 1000000
approx_pi = monte_carlo_pi(num_points)
print(f"Approximation of pi: {approx_pi}")

这段代码使用了随机数生成器来生成坐标点，然后计算点到原点的距离。如果距离小于等于1，则认为点在单位圆内，否则认为点在单位圆外。通过统计在圆内的点和总点数的比例，可以得到一个近似的圆周率π的值。

在上面的示例中，我们模拟了100万个点，并使用这些点的比例来计算近似的圆周率π的值。你可以根据需要调整num_points的值来增加或减少模拟的精度。