编写调用函数求圆周率

圆周率（π）是一个数学常数，表示圆的周长与其直径的比率。它是一个无理数，意味着它的小数部分无限不循环。在编程中，我们可以通过多种方法来计算圆周率的近似值。

以下是一个使用Python语言编写的示例，其中包含一个函数，用于计算圆周率的近似值。我们将使用两种不同的方法：一种是使用祖冲之算法，另一种是使用蒙特卡洛方法。

祖冲之算法

祖冲之算法是一种古老的方法，用于计算圆周率的近似值。这种方法基于圆的面积和周长的关系。

代码实现

def zhusunsAlgorithm(n):
    """
    使用祖冲之算法计算圆周率的近似值。
    
    参数:
    n -- 迭代次数
    
    返回:
    π的近似值
    """
    pi = 0
    for i in range(n):
        pi += (1 / (2 * i + 1)) / (2 * i + 2)
    pi *= 4
    return pi

# 调用函数，计算圆周率的近似值
approx_pi_zhusun = zhusunsAlgorithm(1000000)
print("祖冲之算法计算得到的圆周率近似值:", approx_pi_zhusun)

蒙特卡洛方法

蒙特卡洛方法是一种基于随机抽样的算法，通过模拟大量随机点来估计圆周率的值。

代码实现

import random

def monteCarloMethod(n):
    """
    使用蒙特卡洛方法计算圆周率的近似值。
    
    参数:
    n -- 抽样次数
    
    返回:
    π的近似值
    """
    inside_circle = 0
    for _ in range(n):
        x, y = random.random(), random.random()
        if x**2 + y**2 <= 1:
            inside_circle += 1
    pi = 4 * inside_circle / n
    return pi

# 调用函数，计算圆周率的近似值
approx_pi_monte_carlo = monteCarloMethod(1000000)
print("蒙特卡洛方法计算得到的圆周率近似值:", approx_pi_monte_carlo)

以上两种方法都是计算圆周率的近似值，它们在精度和计算复杂度上有所不同。祖冲之算法适用于计算高精度的圆周率值，而蒙特卡洛方法则适用于计算较粗略的圆周率值。在实际应用中，可以根据需求选择合适的方法。