这段代码是一个使用蒙特卡罗方法来估计圆周率π的Python脚本。蒙特卡罗方法是一种统计模拟方法,通过随机抽样来解决数学、物理和工程问题。在这个例子中,它被用来估计圆的面积,进而推导出圆周率π的近似值。
代码的主要部分包括:
-
monte_carlo_pi
函数:这个函数接受一个参数num_points
,表示要随机生成的点的数量。然后,它在单位正方形内生成这些点,统计落在单位圆内的点的数量,最后根据落在圆内的点的比例来估计π的值。 -
draw_point
函数:这个函数用于在turtle图形窗口中绘制点。它接受点的坐标x
和y
以及点的颜色color
作为参数。 -
simulate_monte_carlo
函数:这个函数模拟蒙特卡罗方法的过程,并动态地在turtle图形窗口中绘制点。它同样接受num_points
作为参数,并在绘制每个点的同时计算落在圆内的点的数量。最后,它计算并返回π的近似值。 -
num_points
变量:设置模拟中使用的点的数量。 -
pi_approx
变量:存储通过模拟得到的π的近似值。 -
turtle.done()
:这行代码保持turtle图形窗口打开,直到用户关闭它。
要运行这段代码,你需要有Python环境,并且安装了turtle库。运行代码后,你将看到一个窗口,其中动态地绘制了随机点,并且红色点代表落在单位圆内的点,蓝色点代表落在单位圆外的点。程序结束时,会在控制台打印出圆周率的近似值。
import random
import turtle
import time
# 定义蒙特卡罗方法计算圆周率的函数
def monte_carlo_pi(num_points):
inside_circle = 0
for _ in range(num_points):
x, y = random.uniform(-1, 1), random.uniform(-1, 1)
if x**2 + y**2 <= 1:
inside_circle += 1
return (inside_circle / num_points) * 4
# 定义绘制点的函数
def draw_point(x, y, color):
turtle.penup()
turtle.goto(x * 100, y * 100)
turtle.pendown()
turtle.dot(2, color)
# 定义模拟蒙特卡罗方法的函数
def simulate_monte_carlo(num_points):
turtle.speed(0)
turtle.bgcolor("white")
turtle.penup()
turtle.goto(0, 0)
turtle.pendown()
turtle.color("black")
inside_circle = 0
for i in range(num_points):
x, y = random.uniform(-1, 1), random.uniform(-1, 1)
if x**2 + y**2 <= 1:
inside_circle += 1
draw_point(x, y, "red")
else:
draw_point(x, y, "blue")
time.sleep(0.001) # 暂停一段时间以便观察
turtle.hideturtle()
pi_approx = (inside_circle / num_points) * 4
return pi_approx
# 设置模拟的点数
num_points = 10000
# 计算圆周率的近似值并动态展示
pi_approx = simulate_monte_carlo(num_points)
print(f"圆周率的近似值为: {pi_approx}")
# 保持窗口打开
turtle.done()
结果如图所示:
请注意,由于使用了 time.sleep(0.001)
,程序的执行可能会比较慢,特别是当 num_points
较大时。这是为了让用户能够观察到点是如何被绘制的。在实际应用中,可能不需要这个暂停,或者可以减少暂停的时间。