零基础学 Python(2023 版)
尹会生
太乙人工智能技术合伙人 & 项目总监
60050 人已学习
新⼈⾸单¥68
课程目录
已完结/共 124 讲
结束语 & 结课测试 (2讲)
零基础学 Python(2023 版)
登录|注册
留言
16
收藏
沉浸
阅读
分享
手机端
回顶部
当前播放: 50|函数的参数:怎样实现函数与外部数据通信?
00:00 / 00:00
高清
  • 高清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.75x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看
课程介绍:这次我们都做了哪些升级?
内容综述:明确学习目的
01|如何配置 Python 开发环境?
02 | 常用 IDE:如何提高开发效率?
03 | 如何站在官方文档的肩膀上自己“造轮子”?
04 | 怎样运行你的第一行代码?
05 | 怎样使用 Gitee 管理你的代码?
06 | 学习编程有问题?去这里找答案!
07|跨越门槛:Python 开发环境总结及实现原理
08 | 修炼基本功:浅析输入输出
09 | 变量:如何让计算机临时存储数据?
10|字符串(上):Python 是如何处理单词的?
11|字符串(下):Python 是如何处理单词的?
12|存储数字应该采用哪种数据类型?
13|何时使用数,何时使用字符串?
14|注释:如何写程序的说明书?
15|小试牛刀:如何制作简单计算器?
16|变量命名规范:如何编写优雅的程序?
17|告别新手村:Python 编程基础知识
18|内置数据类型包括哪几种?
19|列表如何处理同类数据?
20|常见常新:列表的常见操作
21|元组:如何处理一次性数据?
22|常见常新:集合的常见操作
23|字典:如何处理映射类型的数据?
24|常见常新:字典的常见操作(上)
25|常见常新:字典的常见操作(下)
26|小试牛刀:如何利用类型转换实现手机通讯录?(上)
27|小试牛刀:如何利用类型转换实现手机通讯录?(下)
28|常见的内置数据类型都何时使用?
29|避坑指南:内置数据类型的常见错误
30|内置数据类型参考:如何使用官方文档与帮助?
31|再回首:“内置数据类型”单元小结
32|if 语句:数据流程出现分支时,怎样编写程序?
33|match 语句:如何通过 match 关键字来处理程序的分支逻辑?
34|while 循环:需要多次重复执行某段程序时,怎么做?
35|for 循环:如何遍历一个对象里的所有元素?
36|语句嵌套:如何处理多重循环的问题?
37|小试牛刀:如何设计一个飞机大战的程序?
38|避坑指南:判断和循环中的常见错误
39|再回首:“判断循环”单元小结
40|输入:如何接收用户通过键盘输入的数据?
41|格式化输出:如何将执行结果通过屏幕输出?
42|F-strings:如何通过定义好的格式进行输出?
43 | 常见常新:文件的打开
44|文件编码:如何解决不同操作系统的文件乱码问题?
45|常见常新:文件的读写
46|常见常新:文件的关闭
47|小试牛刀:如何使用 Python 合并多个文件?
48|再回首:“输入输出与文件操作”单元小结
49|函数的定义:如何优雅地反复引用同一段代码?
50|函数的参数:怎样实现函数与外部数据通信?
51|函数的参数:当函数操作对象不固定时怎么处理?
52|函数的返回值:如何得到函数的执行结果?
53|小试牛刀:如何利用函数实现电商购物车功能?
54|避坑指南:列表作为参数传递出错了怎么办?
55|高阶函数:函数对象与函数调用的用法区别
56|装饰器:函数嵌套的定义与调用的区别
57|再回首:“函数”单元小结
58|编程思想不同会导致怎样的代码差异?
59|类与实例:如何使用面向对象的思想编写程序?
60|类的继承:如何解决代码重用的问题?
61|类的装饰器:如何改变类方法的功能?
62|小试牛刀:如何开发自动咖啡机?
63|避坑指南:类的常见错误
64|init 方法:如何为对象传递参数?
65|再回首:“类”单元小结
66 | 模块的导入:如何使用其他人编写好的代码功能?
67 | 标准库:Python 默认提供的便捷功能有哪些?
68 | 自定义模块:如何编写一个完整功能?
69 | 第三方模块的使用:如何使用其他人编写的代码?
70 | 小试牛刀:如何使用 Python 为函数求导?
71|再回首:“模块与标准库”单元小结
72|初识异常:异常的产生与分类
73|异常捕获:出现异常时,如何利用程序进行处理?
74|自定义异常捕获:如何定义业务异常?
75|避坑指南:编写捕获异常程序时经常出现的问题
76|再回首:“异常处理”单元小结
77|扩展数据类型:怎样使用更复杂的数据类型?
78|魔术方法:怎样通过类构造自己需要的数据类型?
79|怎样将 Python 和 C++ 结合起来混合编程?
80|怎样将已有算法改造成符合项目的特定算法?
81|设计模式:怎样合理组合多个函数和类?
82|Redis 数据库:怎样使用 NoSQL 数据库?
83|关系型数据库:怎样使用关系型数据库?
84|计算资源充足时,如何通过并行设计提高效率?
85|多进程间如何通信?
86|再回首:“高级数据类型与算法”单元小结
87|理论盘点:数据分析的流程及对应的 Python 库
88|理论盘点:数据采集的方法与 HTTP 协议
89|理论盘点:任务的并行执行原理
90|理论盘点:非规范化数据处理的基础与正则表达式
91|如何获取网页上的数据并存储到文件?
92|小试牛刀:如何将数据进行图形化展示?
93|再回首:“数据分析”单元小结
94|理论盘点:文件类型与对应的 Python 函数库
95|如何批量读取 Excel 文件?
96|如何实现数据的批量格式转换?
97|如何扩展数据类型?
98|再回首:“办公自动化”单元小结
99|理论盘点:Web 客户端与服务端
100|理论盘点:MVC 模型是什么?
101|如何使用Django搭建简单的Web服务器?
102|如何使用Django-admin实现文章上传?
103|如何使用Django实现文章发布?
104|再回首:“Web开发”单元小结
105|理论盘点:人脸识别的一般步骤
106|理论盘点:人脸识别常用的 Python 库有哪些?
107|怎样通过 OpenCV 采集视频信号?
108|如何训练人脸模型?
109|怎样设计人脸识别系统?
110|再回首:“计算机视觉”单元小结
111|聚焦异同:物联网与互联网有啥不一样?
112|理论盘点:基础但不简单的 TCP 协议
113|理论盘点:物模型与模组
114|如何为 ESP32 安装 MicroPython?
115|怎样通过 MQTT 协议构建消息队列?
116|小试牛刀:在 OLED 屏幕和手机远程同时显示室内温度
117|再回首:“物联网”单元小结
118|结束语:人生苦短,我用Pyhon
结课测试|来赴一场满分之约吧!
直播加餐|与AI共同编程,用ChatGPT学Python
直播加餐|用OpenAI API理解Python数据类型
直播加餐|掌握Gradio框架:为 AI Agent 程序定制界面
本节摘要

PEP 484 链接:https://peps.python.org/pep-0484/

课后习题
请你编写一个函数,计算 PI 的近似值。函数的参数越大,PI 的值越精确。

课程代码、课件及其他相关资料地址
https://gitee.com/wilsonyin/zero-basics-python

登录 后留言

全部留言(16)

  • 最新
  • 精选
Geek_Mike
# 编写一个函数,计算 PI 的近似值。函数的参数越大,PI 的值越精确。 import math def Pi(x:int): pi = math.acos(-1) print(f'{pi:.{x}f}') Pi(20)

作者回复: 不错!! 你提供的代码使用了反余弦函数来计算 \(\pi\) 的值,这是一种可行的方法。不过,如果你想通过增加参数来提高精确度,可以考虑使用一种数值方法,例如蒙特卡洛方法或者利用数学公式,例如Leibniz公式。 下面是使用Leibniz公式计算 \(\pi\) 的一个示例: \[ \pi = 4 \times \left(1 - \frac{1}{3} + \frac{1}{5} - \frac{1}{7} + \frac{1}{9} - \frac{1}{11} + \ldots\right) \] 代码如下: ```python def Pi(terms: int): pi = 0 for i in range(terms): pi += ((-1) ** i) / (2 * i + 1) pi *= 4 return pi # 测试函数 terms = 1000000 approximate_pi = Pi(terms) print(f"Approximate value of PI with {terms} terms: {approximate_pi}") ``` 此代码中的 `terms` 参数控制了近似计算中使用的项数。项数越多,近似值就越精确。例如,当 `terms` 为 \(1000000\) 时,你会得到一个相当精确的 \(\pi\) 值。 你可以根据需要调整 `terms` 的值来获得所需的精确度。

2023-07-13
2
1
yanyu-xin
import random def pi_cal(num_halt = 1000000 ): """计算PI值。 参数:num_halt = 1000000 精度(循环次数)初始值 蒙特卡洛法计算圆周率。设想一个正方形,边长a=2,则其内接圆的半径r=1,则圆和正方形的面积比是:Sy/Sz = PI*r*r/a*a = PI/4。 由此:PI = 4*Sy/Sz。 蒙特卡洛法来获得面积比Sy/Sz:让计算机产生很多的随机点(x,y),其中x、y都是[0,1]之间的随机数, 可以用判断(X*X + Y*Y) 是否小于1的方法来确定是否在圆内,则圆内的点数代表圆面积,总点数代表总面积,两者相除就是面积比Sy/Sz。""" num_cir = 0 #随机点在圆内的计数器 for i in range(num_halt): x = random.random() #获得随机点的横坐标 y = random.random() #获得随机点的纵坐标 if x*x + y*y < 1 : #随机点(x,y)在圆内 num_cir = num_cir + 1 #圆内计数器+1 pi = 4*num_cir/num_halt print(num_halt," ", pi) print("\n实验次数 计算结果") pi_cal() pi_cal(5000000) pi_cal(10000000) pi_cal(50000000)
2023-02-01
3
Matthew
import random # 蒙特卡洛方法 def cal_pi(n:int) -> float: count = 0 for i in range(int(n)): x = random.random() y = random.random() d = (x - 0.5) ** 2 + (y - 0.5) ** 2 if d <= 0.5 ** 2: count+=1 else: pass return (4*count)/n # 测试验证 n = input("请输入:") print(f"PI的近似值为:{cal_pi(int(n))}")
2022-12-14
1
3
江江儿嘛哩哄
#蒙特卡洛模拟 import random n = input("请输入参数:") hits = 0 for i in range(int(n)): x, y = random.random(), random.random() dist = (x**2 + y**2)**0.5 if dist <= 1.0: hits = hits + 1 pi = (4 * hits) / int(n) print(f"圆周率是:{pi}")
2023-01-04
1
陈斯佳
形参英文名是parameter,实参是argument
2024-03-23
认真哥
请教下为什么视频每次看了不到10分钟左右就会自动停止?
2024-03-04
蓝定月
GPT方法,跟老师给的结果是一样的 def calculate_pi(n_terms): numerator = 4.0 denominator = 1.0 operation = 1.0 pi = 0.0 for _ in range(n_terms): pi += operation * (numerator / denominator) denominator += 2.0 operation *= -1.0 return pi print(calculate_pi(100000))
2023-12-07
Geek_0c747b
ChatGPT: import random def estimate_pi(n): num_points_circle = 0 num_points_total = 0 for _ in range(n): x = random.uniform(0, 1) y = random.uniform(0, 1) distance = x**2 + y**2 if distance <= 1: num_points_circle += 1 num_points_total += 1 return 4 * num_points_circle / num_points_total print(estimate_pi(100000))
2023-12-05
饭饭之梦
为什么大家都知道这个蒙特卡洛方法,我是不是缺少了什么知识,还是我不配转学python
2023-11-05
1
MarkG
# 蒙特卡洛方法 - 使用几何概率来求 π 的方法 import random def approximate_pi(num_iterations): num_points_inside_circle = 0 num_points_total = 0 for _ in range(num_iterations): x = random.uniform(0, 1) y = random.uniform(0, 1) distance_squared = x**2 + y**2 if distance_squared <= 1: num_points_inside_circle += 1 num_points_total += 1 return 4 * num_points_inside_circle / num_points_total print(approximate_pi(100)) print(approximate_pi(1000)) print(approximate_pi(10000)) print(approximate_pi(100000)) print(approximate_pi(1000000)) print(approximate_pi(10000000)) print(approximate_pi(100000000))
2023-10-07
收起评论