π是一個無數(shù)人追隨的真正的神奇數(shù)字。我不是很清楚一個永遠重復(fù)的無理數(shù)的迷人之處。在我看來，我樂于計算π，也就是計算π的值。因為π是一個無理數(shù)，它是無限的。這就意味著任何對π的計算都僅僅是個近似值。如果你計算100位，我可以計算101位并且更精確。迄今為止，有些人已經(jīng)選拔出超級計算機來試圖計算最精確的π。一些極值包括 計算π的5億位。你甚至能從網(wǎng)上找到包含 π的一百億位的文本文件（注意啦！下載這個文件可能得花一會兒時間，并且沒法用你平時使用的記事本應(yīng)用程序打開。）。對于我而言，如何用幾行簡單的Python來計算π才是我的興趣所在。
你總是可以 使用 math.pi 變量的 。它被 包含在 標(biāo)準(zhǔn)庫中， 在你試圖自己 計算它之前，你應(yīng)該去使用它 。 事實上 ， 我們將 用它來計算 精度 。作為 開始， 讓我們看 一個 非常直截了當(dāng)?shù)?計算Pi的 方法 。像往常一樣，我將使用Python 2.7，同樣的想法和代碼可能應(yīng)用于不同的版本。我們將要使用的大部分算法來自Pi WikiPedia page并加以實現(xiàn)。讓我們看看下面的代碼：
?

            
importsys
importmath
 
defmain(argv):
 
  iflen(argv) !=1:
    sys.exit('Usage: calc_pi.py 
            
              ')
 
  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:])

            
          

這是個非常簡單的腳本，你可以下載，運行，修改，和隨意分享給別人。你能夠看到類似下面的輸出結(jié)果：?

?你會發(fā)現(xiàn)，盡管 n 大于4 ,我們逼近 Pi 精度卻沒有多大的提升。 我們可以猜到即使 n的值更大，同樣的事情（pi的逼近精度沒有提升）依舊會發(fā)生。幸運的是，有不止一種方法來揭開這個謎。使用 Python Decimal （十進制）庫，我們可以就可以得到更高精度的值來逼近Pi。讓我們來看看庫函數(shù)是如何使用的。這個簡化的版本，可以得到多于11位的數(shù)字 通常情況小Python 浮點數(shù)給出的精度。下面是Python Decimal 庫中的一個例子 ：

            
wpid-python_decimal_example-2013-05-28-12-54.png


          

看到這些數(shù)字。不對！ 我們輸入的僅是 3.14，為什么我們得到了一些垃圾(junk)？ 這是內(nèi)存垃圾(memory junk)。 簡單點說，Python給你你想要的十進制數(shù)，再加上一點點額外的值。 只要精度小于垃圾數(shù)，它不會影響任何計算。通過設(shè)置getcontext().prec 你可以的到你想要的位數(shù) 。我們試試。

看到這些數(shù)字。不對！ 我們輸入的僅是 3.14，為什么我們得到了一些垃圾(junk)？ 這是內(nèi)存垃圾(memory junk)。 簡單點說，Python給你你想要的十進制數(shù)，再加上一點點額外的值。 只要精度小于垃圾數(shù)，它不會影響任何計算。通過設(shè)置getcontext().prec 你可以的到你想要的位數(shù) 。我們試試。

很好。 現(xiàn)在讓我們 試著用這個 來 看看我們是否能 與我們以前的 代碼 有更好的 逼近 。 現(xiàn)在， 我通常 是反對 使用“ from library import * ” ， 但在這種情況下， 它會 使代碼 看起來更漂亮 。
?

            
importsys
importmath
fromdecimalimport*
 
defmain(argv):
 
  iflen(argv) !=1:
    sys.exit('Usage: calc_pi.py 
            
              ')
 
  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:])

            
          

?
輸出結(jié)果:?

?好了。我們更準(zhǔn)確了，但看起來似乎有一些舍入。從n = 100和n = 1000，我們有相同的精度。現(xiàn)在怎么辦？好吧，現(xiàn)在我們來求助于公式。到目前為止，我們計算Pi的方式是通過對幾部分加在一起。我從DAN 的關(guān)于Calculating Pi 的文章中發(fā)現(xiàn)一些代碼。他建議我們用以下3個公式：

??? Bailey?CBorwein?CPlouffe 公式
???Bellard的公式
??? Chudnovsky 算法

讓我們從Bailey?CBorwein?CPlouffe 公式開始。它看起來是這個樣子：?

?在代碼中我們可以這樣編寫它：
?

            
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 
            
              
                ')
     
  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:])

              
            
          

?
拋開“ 包裝”的代碼，BBP（N）的功能是你真正想要的。你給它越大的N和給 getcontext().prec 設(shè)置越大的值，你就會使計算越精確。讓我們看看一些代碼結(jié)果：

這有許多數(shù)字位。你可以看出，我們并沒有比以前更準(zhǔn)確。所以我們需要前進到下一個公式，貝拉公式，希望能獲得更好的精度。它看起來像這樣：?

?我們將只改變我們的變換公式，其余的代碼將保持不變。點擊這里下載Python實現(xiàn)的貝拉公式。讓我們看一看bellards(n)：
?

            
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


          

?? 哦，不，我們得到的是同樣的精度。好吧，讓我們試試第三個公式， Chudnovsky 算法，它看起來是這個樣子：?

?? 再一次，讓我們看一下這個計算公式（假設(shè)我們有一個階乘公式）。 點擊這里可下載用 python 實現(xiàn)的 Chudnovsky 公式。

下面是程序和輸出結(jié)果：
?

            
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

          

??? 所以我們有了什么結(jié)論？花哨的算法不會使機器浮點世界達到更高標(biāo)準(zhǔn)。我真的很期待能有一個比我們用求和公式時所能得到的更好的精度。我猜那是過分的要求。如果你真的需要用PI，就只需使用math.pi變量了。然而，作為樂趣和測試你的計算機真的能有多快，你總是可以嘗試第一個計算出Pi的百萬位或者更多位是幾。