Python圆周率 Pi (π) 的计算(蒙特卡罗法+公式法)

Posted Xavier Jiezou

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python圆周率 Pi (π) 的计算(蒙特卡罗法+公式法)相关的知识,希望对你有一定的参考价值。

引言

圆周率(Pi)是圆的周长与直径的比值,一般用希腊字母 π 表示,是数学中最重要和最奇妙的数字之一。本文教你如何使用 Python 编程实现圆周率的简单计算。

计算

蒙特卡罗法


1×1 的正方形里面有一个内切圆。向该正方形区域内随机散点(散点总数记为 S),对于每一个点,其落在圆内的概率是: π ⋅ 0. 5 2 1 × 1 = 0.25 π \\frac {\\pi \\cdot 0.5^2}{1×1}=0.25\\pi 1×1π0.52=0.25π,散点结束后,统计其落在圆内的点数,并记为 N。

一般来说,随着实验次数的增多,频率会接近于概率。当实验次数趋向于无穷时,频率的极限就是概率。

因此,当 S 足够大时,我们可以简单认为: 0.25 π = N S 0.25\\pi=\\frac{N}{S} 0.25π=SN,即 π = 4 N S \\pi=\\frac{4N}{S} π=S4N

提示:如何判断点在圆内?计算点到圆心的欧式距离,比半径小就在圆内,比半径大就在圆外。

# 蒙特卡罗法(统计试验法)
import random # 导入随机模块
S = 1e6 # 变量S为试验总次数(值设置得越大,PI的计算越准确,即频率越逼近于概率)
N = 0 # 变量N用于统计落在圆内的试验点的个数
for i in range(int(S)):
    x = random.random() # 获取0-1之间的随机数
    y = random.random() # 获取0-1之间的随机数
    d = (x-0.5)**2+(y-0.5)**2 # 计算试验点到圆心的欧式距离的平方
    if d<=0.5**2: # 通过比较试验点到圆心的欧式距离与圆半径的大小,判断该点是否在圆内
        N+=1
    else:
        pass
PI = 4*N/S
print(PI)

公式法

π = ∑ n = 0 ∞ [ 1 1 6 n ( 4 8 n + 1 − 2 8 n + 4 − 1 8 n + 5 − 1 8 n + 6 ) ] \\pi = \\sum_{n=0}^\\infty [\\frac{1}{16^n}(\\frac{4}{8n+1}-\\frac{2}{8n+4}-\\frac{1}{8n+5}-\\frac{1}{8n+6})] π=n=0[16n1(8n+148n+428n+518n+61)]

# 公式法(计算公式参上)
PI = 0
N = 1000
for n in range(int(N)):
    PI += 1/pow(16,n) * (4/(8*n+1) - 2/(8*n+4) - 1/(8*n+5) - 1/(8*n+6))
print(PI)

参考

https://baike.baidu.com/item/圆周率/139930

以上是关于Python圆周率 Pi (π) 的计算(蒙特卡罗法+公式法)的主要内容,如果未能解决你的问题,请参考以下文章

Python蒙特卡罗计算圆周率PI——Numpy性能优化

使用 python 实现π的计算

求圆周率Π

蒙特卡洛(Monte Carlo)方法计算π

蒙特卡洛(Monte Carlo)方法计算π

蒙特卡洛计算圆周率