描述
蒙特卡洛（Monte Carlo）方法是由数学家冯·诺伊曼提出的，诞生于上世纪40年代美国的“曼哈顿计划”。蒙特卡洛是一个地名，位于赌城摩纳哥，象征概率。蒙特卡洛方法的原理是通过大量随机样本，去了解一个系统，进而得到所要计算的值。
用蒙特卡洛方法计算圆周率π的原理如下：一个边长为2r的正方形内部相切一个半径为r的圆，圆的面积是πr2，正方形的面积为4r2，二者面积之比是π/4，因为比值与r大小无关，所以可以假设半径 r的值为1。
在这个正方形内部，随机产生n个点，坐标为（x,y），当随机点较多时，可以认为这些点服从均匀分布的规律。计算每个点与中心点的距离是否大于圆的半径(x2+y2>r2)，以此判断是否落在圆的内部。统计圆内的点数c，c与n的比值乘以4，就是π的值。理论上，n越大，计算的π值越准，但由于随机数不能保证完全均匀分布，所以蒙特卡洛法每次计算结果可能不同。
编程实现用蒙特卡洛方法计算π值，为了自动测评的需要，请先读入一个正整数sd作为随机数种子，并要求使用 x,y = random.uniform(-1,1) , random.uniform(-1,1) 语句来生成随机点的坐标值。
import random
def monte_carlo_pi(num):
"""接收正整数为参数，表示随机点的数量，利用蒙特卡洛方法计算圆周率
返回值为表示圆周率的浮点数"""
#====================Begin===================================
# 补充你的代码
a = 0
count = 0
while a < times:
x, y = random.uniform(-1, 1), random.uniform(-1, 1)
if x**2 + y**2 <=1:
count += 1
a +=1
return 4*count / a
#=====================End==================================
if __name__ == '__main__':
sd = int(input()) #读入随机数种子
random.seed(sd) #设置随机数种子
times = int(input()) # 输入正整数，表示产生点数量
print(monte_carlo_pi(times)) # 输出圆周率值，浮点数
测试：
文章出处登录后可见！
