在Python中使用蒙特卡洛方法进行计算，以计算圆周率为例，有多种实现方式： ### 实现方式一 ```python import random def estimate_pi(n): points_in_circle = 0 total_points = 0 for _ in range(n): x = random.uniform(0, 1) y = random.uniform(0, 1) distance = x**2 + y**2 if distance <= 1: points_in_circle += 1 total_points += 1 return 4 * points_in_circle / total_points # 示例使用 result = estimate_pi(1000000) print("Estimated value of pi:", result) ``` 此方法定义了`estimate_pi`函数，通过生成`n`个在`[0, 1]`范围内的随机点，判断其是否在单位圆内，最后根据落在圆内的点的比例估算圆周率，试验次数`n`越大，结果越精确，每次运行结果可能因随机数不同有微小差异 [^2]。 ### 实现方式二 ```python import random def pi(nums): inside_circle = 0 for _ in range(nums): x = random.uniform(-1, 1) y = random.uniform(-1, 1) distance = x ** 2 + y ** 2 if distance <= 1: inside_circle += 1 pi_approximation = (inside_circle / nums) * 4 return pi_approximation nums = 1000000 approx_pi = pi(nums) print("通过蒙特卡洛方法计算得到的圆周率近似值为:", approx_pi) ``` 该方法定义`pi`函数，生成`nums`个在`[-1, 1]`范围内的随机点，判断其到原点距离是否小于等于1来确定是否在单位圆内，根据比例得到圆周率近似值 [^3]。 ### 实现方式三 ```python import random m_str, n_str = input().split(' ') m = int(m_str) n = int(n_str) random.seed(m) def mtkl(n): m = 0 for i in range(n): x = random.uniform(0, 1) y = random.uniform(0, 1) if x*x + y*y <= 1: m += 1 pi = (m / n)*4 return pi pi = mtkl(n) print(f"{pi:.5f}") ``` 这种方式从用户输入获取两个值，使用`random.seed`设置随机数种子，定义`mtkl`函数生成`n`个`[0, 1]`范围内随机点，统计落在圆内的点数量，计算圆周率并保留五位小数输出 [^4]。