应该接近0.3
$ cat monte.py
import random,math
density=int(1e6)
x = [random.uniform(0,1)*7*math.pi for _ in range(density)]
y = [random.uniform(0,1) for _ in range(density)]
i = [math.sin(xx)*math.cos(xx) > yy for (xx,yy) in zip(x,y)]
print sum(i)/(float(density)*10.0)*7*math.pi
$ python monte.py
0.350184850795
我正在尝试重写下面的代码,但由于某种原因,Python 代码甚至还不够接近。
x = rand(1, 1000000)*7pi;
y = rand(1, 1000000);
i = sin(x).* cos(x) >y;
Area3 = (sum(i) / 10000000)*7pi;
最佳答案
我在你的 matlab 和 python 版本之间得到了相同的结果...你确定 matlab 版本给你的是 ~2,而不是 ~0.35?
例如:
MATLAB:
x = rand(1, 1000000)*7*pi;
y = rand(1, 1000000);
i = sin(x).* cos(x) >y;
Area3 = (sum(i) / 10000000)*7*pi
得出:0.3511
你的纯Python版本:
import random,math
density=int(1e6)
x = [random.uniform(0,1)*7*math.pi for _ in range(density)]
y = [random.uniform(0,1) for _ in range(density)]
i = [math.sin(xx)*math.cos(xx) > yy for (xx,yy) in zip(x,y)]
print sum(i)/(float(density)*10.0)*7*math.pi
这会产生:0.347935156296
基于 Numpy:
import numpy as np
x = np.random.random(1e6) * 7 * np.pi
y = np.random.random(x.size)
i = np.sin(x) * np.cos(x) > y
print 7 * np.pi * i.sum() / (10 * x.size)
这会产生:0.350475133957
关于python - 蒙特卡罗和面积计算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7940740/