π是一个无数人追随的真正的神奇数字。我不是很清楚一个永远重复的无理数的迷人之处。在我看来,我乐于计算π,也就是计算π的值。因为π是一个无理数,它是无限的。这就意味着任何对π的计算都仅仅是个近似值。如果你计算100位,我可以计算101位并且更精确。迄今为止,有些人已经选拔出超级计算机来试图计算最精确的π。一些极值包括 计算π的5亿位。你甚至能从网上找到包含 π的一百亿位的文本文件(注意啦!下载这个文件可能得花一会儿时间,并且没法用你平时使用的记事本应用程序打开。)。对于我而言,如何用几行简单的Python来计算π才是我的兴趣所在。
你总是可以 使用 math.pi 变量的 。它被 包含在 标准库中, 在你试图自己 计算它之前,你应该去使用它 。 事实上 , 我们将 用它来计算 精度 。作为 开始, 让我们看 一个 非常直截了当的 计算Pi的 方法 。像往常一样,我将使用Python 2.7,同样的想法和代码可能应用于不同的版本。我们将要使用的大部分算法来自 Pi WikiPedia page并加以实现。让我们看看下面的代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
importsys importmath defmain(argv): iflen(argv) ! = 1 : sys.exit( 'Usage: calc_pi.py <n>' ) print '\nComputing Pi v.01\n' a = 1.0 b = 1.0 / math.sqrt( 2 ) t = 1.0 / 4.0 p = 1.0 foriinrange( int (sys.argv[ 1 ])): at = (a + b) / 2 bt = math.sqrt(a * b) tt = t - p * (a - at) * * 2 pt = 2 * p a = at;b = bt;t = tt;p = pt my_pi = (a + b) * * 2 / ( 4 * t) accuracy = 100 * (math.pi - my_pi) / my_pi print "Pi is approximately: " + str (my_pi) print "Accuracy with math.pi: " + str (accuracy) if__name__ = = "__main__" : main(sys.argv[ 1 :]) |
这是个非常简单的脚本,你可以下载,运行,修改,和随意分享给别人。你能够看到类似下面的输出结果:
你会发现,尽管 n 大于4 ,我们逼近 Pi 精度却没有多大的提升。 我们可以猜到即使 n的值更大,同样的事情(pi的逼近精度没有提升)依旧会发生。幸运的是,有不止一种方法来揭开这个谜。使用 Python Decimal (十进制)库,我们可以就可以得到更高精度的值来逼近Pi。让我们来看看库函数是如何使用的。这个简化的版本,可以得到多于11位的数字 通常情况小Python 浮点数给出的精度。下面是Python Decimal 库中的一个例子 :
看到这些数字。不对! 我们输入的仅是 3.14,为什么我们得到了一些垃圾(junk)? 这是内存垃圾(memory junk)。 在坚果壳,Python给你你想要的十进制数,再加上一点点额外的值。 只要精度小于垃圾号码开始时,它不会影响任何计算只要精度小于前面的垃圾号码(junk number)开始时。 您可以指定你想要多少位数的通过设置getcontext().prec 。我们试试。
很好。 现在让我们 试着用这个 来 看看我们是否能 与我们以前的 代码 有更好的 逼近 。 现在, 我通常 是反对 使用“ from library import * ” , 但在这种情况下, 它会 使代码 看起来更漂亮 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
importsys importmath fromdecimalimport * defmain(argv): iflen(argv) ! = 1 : sys.exit( 'Usage: calc_pi.py <n>' ) print '\nComputing Pi v.01\n' a = Decimal( 1.0 ) b = Decimal( 1.0 / math.sqrt( 2 )) t = Decimal( 1.0 ) / Decimal( 4.0 ) p = Decimal( 1.0 ) foriinrange( int (sys.argv[ 1 ])): at = Decimal((a + b) / 2 ) bt = Decimal(math.sqrt(a * b)) tt = Decimal(t - p * (a - at) * * 2 ) pt = Decimal( 2 * p) a = at;b = bt;t = tt;p = pt my_pi = (a + b) * * 2 / ( 4 * t) accuracy = 100 * (Decimal(math.pi) - my_pi) / my_pi print "Pi is approximately: " + str (my_pi) print "Accuracy with math.pi: " + str (accuracy) if__name__ = = "__main__" : main(sys.argv[ 1 :]) |
输出结果:
好了。我们更准确了,但看起来似乎有一些舍入。从n = 100和n = 1000,我们有相同的精度。现在怎么办?好吧,现在我们来求助于公式。到目前为止,我们计算Pi的方式是通过对几部分加在一起。我从DAN 的关于 Calculating Pi 的文章中发现一些代码。他建议我们用以下3个公式:
Bailey–Borwein–Plouffe 公式
Bellard的公式
Chudnovsky 算法
让我们从Bailey–Borwein–Plouffe 公式开始。它看起来是这个样子:
在代码中我们可以这样编写它:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
import sys import math from decimal import * def bbp(n): pi = Decimal( 0 ) k = 0 while k < n: pi + = (Decimal( 1 ) / ( 16 * * k)) * ((Decimal( 4 ) / ( 8 * k + 1 )) - (Decimal( 2 ) / ( 8 * k + 4 )) - (Decimal( 1 ) / ( 8 * k + 5 )) - (Decimal( 1 ) / ( 8 * k + 6 ))) k + = 1 return pi def main(argv): if len (argv) ! = 2 : sys.exit( 'Usage: BaileyBorweinPlouffe.py <prec> <n>' ) getcontext().prec = ( int (sys.argv[ 1 ])) my_pi = bbp( int (sys.argv[ 2 ])) accuracy = 100 * (Decimal(math.pi) - my_pi) / my_pi print "Pi is approximately " + str (my_pi) print "Accuracy with math.pi: " + str (accuracy) if __name__ = = "__main__" : main(sys.argv[ 1 :]) |
抛开“ 包装”的代码,BBP(N)的功能是你真正想要的。你给它越大的N和给 getcontext().prec 设置越大的值,你就会使计算越精确。让我们看看一些代码结果:
这有许多数字位。你可以看出,我们并没有比以前更准确。所以我们需要前进到下一个公式,贝拉公式,希望能获得更好的精度。它看起来像这样:
我们将只改变我们的变换公式,其余的代码将保持不变。点击这里下载Python实现的贝拉公式。让我们看一看bellards(n):
1
2
3
4
5
6
7
8
|
def bellard(n): pi = Decimal( 0 ) k = 0 while k < n: pi + = (Decimal( - 1 ) * * k / ( 1024 * * k)) * ( Decimal( 256 ) / ( 10 * k + 1 ) + Decimal( 1 ) / ( 10 * k + 9 ) - Decimal( 64 ) / ( 10 * k + 3 ) - Decimal( 32 ) / ( 4 * k + 1 ) - Decimal( 4 ) / ( 10 * k + 5 ) - Decimal( 4 ) / ( 10 * k + 7 ) - Decimal( 1 ) / ( 4 * k + 3 )) k + = 1 pi = pi * 1 / ( 2 * * 6 ) return pi |
输出结果:
哦,不,我们得到的是同样的精度。好吧,让我们试试第三个公式, Chudnovsky 算法,它看起来是这个样子:
再一次,让我们看一下这个计算公式(假设我们有一个阶乘公式)。 点击这里可下载用 python 实现的 Chudnovsky 公式。
下面是程序和输出结果:
1
2
3
4
5
6
7
8
9
|
def chudnovsky(n): pi = Decimal( 0 ) k = 0 while k < n: pi + = (Decimal( - 1 ) * * k) * (Decimal(factorial( 6 * k)) / ((factorial(k) * * 3 ) * (factorial( 3 * k))) * ( 13591409 + 545140134 * k) / ( 640320 * * ( 3 * k))) k + = 1 pi = pi * Decimal( 10005 ).sqrt() / 4270934400 pi = pi * * ( - 1 ) return pi |
所以我们有了什么结论?花哨的算法不会使机器浮点世界达到更高标准。我真的很期待能有一个比我们用求和公式时所能得到的更好的精度。我猜那是过分的要求。如果你真的需要用PI,就只需使用math.pi变量了。然而,作为乐趣和测试你的计算机真的能有多快,你总是可以尝试第一个计算出Pi的百万位或者更多位是几。
暂无评论内容