Python 蒙特卡罗方法求解圆周率 π

好的，我可以帮助你使用蒙特卡罗方法求解π。蒙特卡罗方法是一种通过随机采样和统计模拟来解决问题的方法，适用于求解π这样的数值问题。下面是一个使用Python实现的例子：

import random

def estimate_pi(num_samples):
    points_inside_circle = 0
    points_total = num_samples

    for _ in range(num_samples):
        x = random.uniform(0, 1)
        y = random.uniform(0, 1)
        
        distance = x ** 2 + y ** 2
        
        if distance <= 1:
            points_inside_circle += 1
    
    # 计算π的近似值
    pi_estimate = 4 * (points_inside_circle / points_total)
    
    return pi_estimate

# 设置样本数量
num_samples = 1000000

# 通过蒙特卡罗方法求解π的近似值
pi_approx = estimate_pi(num_samples)

print('π的近似值为:', pi_approx)

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num_samples，表示采样点的数量。在循环中，我们随机生成x和y的值，并计算点到原点的距离。如果该距离小于等于1，则认为点在一个以原点为圆心、半径为1的圆内。统计落在圆内的点的数量，并根据统计结果计算π的近似值。

运行代码后，会输出π的近似值。你可以根据需要增加num_samples的值来提高近似的精度。