蒙特卡羅方法是一種統計模擬方法，由馮?諾依曼和烏拉姆提出，在大量的隨機數下，根據概率估計結果，隨機數據越多，獲得的結果越精確。下面我們將用python實現蒙特卡羅方法。
1.首先我們做一個簡單的圓周率的近似計算，在這個過程中我們要用到隨機數，因此需要先使用import numpy as np導入numpy庫。
2.代碼實現：
import numpy as np
total = 8000000
count = 0
for i in range(total):
x = np.random.rand()
y = np.random.rand()
dis = (x**2+y**2)**0.5
if dis <= 1:
count = count+1
PI = 4*count/total
print(PI)
3.在上面的程序中我們用8000000個隨機數進行投放，這樣得到的結果會更精確一些，運行程序需要一定的時間，最終得到的結果如下
4.下面我們進行一項簡單的應用，下圖為我在畫圖工具中隨便畫的一個圖，我們可以用蒙特卡羅方法來估算圖中黑色部分的面積。
5.上面的圖形是不規則的，我們只需知道在投放大量隨機數的情況下，隨機數在黑色部分出現的概率，再用總面積相乘即可估算黑色部分的面積。我們知道，黑色的rgb編碼為(0,0,0)，所以需要統計rgb編碼為(0,0,0)時隨機數的投放概率即可。
6.代碼實現：
from PIL import Image
import numpy as np
im = Image.open("C:/Users/21974/Desktop/handwrite2.PNG")
total = 9000000
count = 0
defin = 0
width = im.size[0]
height = im.size[1]
for i in range(total): #用蒙特卡羅方法獲得估計值
x = np.random.randint(0, width-1)
y = np.random.randint(0, height-1)
k = im.getpixel((x, y))
if k[0]+k[1]+k[2] == 0:
count += 1
print(int(width*height*count/total))
for i in range(width): #用遍歷獲得準確值
for j in range(height):
k = im.getpixel((i, j))
if k[0] + k[1] + k[2] == 0:
defin += 1
print(defin)
上面的代碼可分為兩部分，第一個for后面是用蒙特卡羅方法獲得的面積的估計值，第二個for后面是用遍歷所有像素點的方法獲得的面積的精確值，獲得兩個輸出后進行對比。
我們在上面的程序中采用了9000000個隨機數，可以看出兩個輸出結果相差并不大。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
