# 题目重述 本文件为一份《Python程序设计B》的学生实验报告，包含以下主要实验任务： 1. 实现BMI健康评估系统，接收用户输入的身高和体重，计算BMI值，并根据数值输出对应的健康评估结果； 2. 扩展BMI系统：使用while循环实现多次测试、异常处理（非数字输入容错）、统计测试次数； 3. 方法一（数学公式法）：使用BBP公式计算圆周率π的前n项和（n=100），并与标准值对比误差； 4. 方法二（蒙特卡洛随机采样法）：通过随机撒点估算π值，要求用户输入点数量； 5. 扩展要求：在蒙特卡洛法中实现实时文本进度条，动态刷新显示进度百分比、图形进度条和已用时间； 6. 实验总结：包括遇到的问题与解决方法、实验收获。 --- ## 各题总结结论 ### 第一题：BMI健康评估系统基础实现 成功实现了基本BMI计算功能。程序能正确读取用户输入的身高（米）与体重（公斤），利用公式 $ \text{BMI} = \frac{\text{weight}}{\text{height}^2} $ 计算指数，并根据中国与国际标准分类输出健康状态。 ✅ **结论**：掌握了`input()`输入、`float()`转换、数学运算及条件分支结构的应用。 --- ### 第二题：扩展BMI系统（循环 + 异常处理） 引入了`while True`无限循环配合`break`控制流程，支持连续多次测试。通过嵌套`try-except`捕获`ValueError`等异常，提升程序鲁棒性。同时统计了测试次数并在退出时输出。 ✅ **结论**：熟练掌握了循环控制、异常处理机制与程序交互逻辑的设计，增强了用户体验与程序稳定性。 --- ### 第三题：BBP公式法计算圆周率 采用BBP（Bailey–Borwein–Plouffe）公式计算π值： $$ \pi = \sum_{k=0}^{n-1} \left( \frac{1}{16^k} \right) \left( \frac{4}{8k+1} - \frac{2}{8k+4} - \frac{1}{8k+5} - \frac{1}{8k+6} \right) $$ 当 $ n = 100 $ 时，计算结果接近标准值 $ \pi \approx 3.141592653589793 $，绝对误差极小。 ✅ **结论**：理解了级数求和思想与高精度数值逼近方法，掌握函数封装与浮点运算技巧。 --- ### 第四题：蒙特卡洛法估算圆周率 基于几何概率原理，在边长为2的正方形内随机生成点 $(x, y) \in [-1,1]$，判断是否满足 $ x^2 + y^2 \leq 1 $，即落于单位圆内。利用面积比关系估算： $$ \pi \approx 4 \times \frac{\text{圆内点数}}{\text{总点数}} $$ 随着点数增加（如10万），估计值趋近真实π。 ✅ **结论**：深入理解了随机模拟算法的思想及其在数值计算中的应用，提升了对概率与统计的理解。 --- ### 第五题：蒙特卡洛法 + 文本进度条实现 在循环中通过 `\r` 回车符实现单行动态刷新，结合 `end='\r'` 和 `flush=True` 实时更新： - 百分比进度 - █字符构成的图形进度条 - 已耗时间（`time.time()`差值） 示例输出： ``` 进度: [█████████████████████-----------] 54.32% 已用时间: 1.23 秒 ``` ✅ **结论**：掌握了控制台动态输出技术，提高了程序可视化程度与运行反馈体验。 --- ## 第六题：实验总结与结论 ### 遇到的问题与解决方法： 1. **输入格式错误导致程序崩溃** → 解决方案：使用 `try...except ValueError` 捕获非法输入，提示重新输入。 2. **进度条无法刷新，始终换行显示** → 解决方案：使用 `print(..., end='\r', flush=True)` 强制回车不换行并立即刷新缓冲区。 3. **蒙特卡洛法结果波动大（精度低）** → 解决方案：增大采样点数（如从1万增至10万），提高估计稳定性。 4. **BBP公式初始实现精度不足** → 解决方案：确认循环项完整实现，避免浮点舍入误差累积影响。 --- ### 实验收获与总结： - 掌握了Python中 `if-elif-else` 分支结构的实际应用； - 熟练使用 `while` 循环进行交互式程序设计； - 学会将复杂功能模块化为函数（如 `calculate_pi_bbp`, `monte_carlo_pi`），提升代码复用性； - 深入理解两种不同的算法设计思路：确定性计算 vs 随机模拟； - 学习了文本进度条的实现原理，增强程序友好性； - 提升了调试能力，能快速定位语法错误与逻辑缺陷。 🎯 **总体结论**：本次实验全面锻炼了程序控制结构、函数设计、异常处理、算法思维与实际工程应用能力，为后续Python开发打下坚实基础。 --- ## 知识点（列出解答该问题需要的知识点） ### 1. 分支结构（if-elif-else） 用于多条件判断，根据不同BMI值区间输出对应健康等级，实现路径选择逻辑。 ### 2. 循环与异常处理（while + try-except） 支持重复操作与容错机制，保证程序健壮性，防止因非法输入中断执行。 ### 3. 蒙特卡洛随机采样法 基于大数定律，通过随机试验估算数学常数，体现概率在算法中的应用。