Python 使用蒙特·卡罗方法计算圆周率近似值

好的，我可以为你解答这个问题。

蒙特·卡罗方法是一种随机模拟的方法，可以用来估计圆周率的近似值。具体方法如下：

1. 假设有一个正方形，边长为2，以原点为中心。这个正方形内切一个圆，圆的半径为1。

2. 随机生成一些点，落在正方形内的概率为1，落在圆内的概率为圆面积与正方形面积之比，即π/4。

3. 统计落在圆内的点数和总点数，计算π的近似值：π ≈ 4 * (落在圆内的点数 / 总点数)。

下面是用Python实现这个方法的示例代码：

import random

def estimate_pi(n):
    num_inside_circle = 0
    for _ in range(n):
        x, y = random.uniform(-1, 1), random.uniform(-1, 1)
        if x**2 + y**2 <= 1:
            num_inside_circle += 1
    return 4 * num_inside_circle / n

print(estimate_pi(1000000))

这个代码中，estimate_pi函数的参数n表示生成的点的数量，越大则估计的结果越精确。运行这个代码，输出的结果就是圆周率的近似值。