在Python中，我们可以使用多种方法来求取π（pi）的近似值，以下是一些常用的方法，包括几何法、蒙特卡洛模拟、数学公式以及利用内置库等。

1. 几何法：圆周与直径之比

最经典的方法是通过计算圆的周长与直径的比值来得到π的值，在Python中，我们可以利用math库中的sin和cos函数来实现这个计算。

import math
def calculate_pi_geometric():
    total = 0
    for k in range(100000):
        x = (k + 0.5) / 100000.0
        total += 4.0 / (1.0 + x * x)
    return total
approximate_pi = calculate_pi_geometric()
print("圆周率的近似值为：", approximate_pi)

2. 蒙特卡洛模拟

蒙特卡洛模拟是一种统计模拟方法，可以用来估算π的值，基本思想是通过随机点落在一个正方形内部包含的内切圆的比例，来估计圆周率。

import random
def calculate_pi_montecarlo(iterations=1000000):
    inside_circle = 0
    total = 0
    for _ in range(iterations):
        x = random.uniform(1, 1)
        y = random.uniform(1, 1)
        distance = x2 + y2
        if distance <= 1:
            inside_circle += 1
        total += 1
    return (inside_circle / total) * 4
approximate_pi = calculate_pi_montecarlo()
print("通过蒙特卡洛模拟得到的圆周率近似值为：", approximate_pi)

3. 数学公式：例如莱布尼茨公式

莱布尼茨公式是一个无穷级数，可以用来计算π的值，公式如下：

π/4 = 1 1/3 + 1/5 1/7 + 1/9 …

def calculate_pi_leibniz(terms=100000):
    total = 0
    sign = 1
    for i in range(terms):
        total += sign / (2 * i + 1)
        sign *= 1
    return 4 * total
approximate_pi = calculate_pi_leibniz()
print("通过莱布尼茨公式得到的圆周率近似值为：", approximate_pi)

4. 使用内置库

Python的内置库math可以直接提供π的值，这是一个非常方便的方法，因为它可以快速地给出π的精确值。

import math
approximate_pi = math.pi
print("通过math库得到的圆周率近似值为：", approximate_pi)

结论

以上介绍的几种方法都可以用来求取π的近似值，但是每种方法都有其局限性和适用场景，几何法和莱布尼茨公式在迭代次数足够多时可以得到较为精确的结果，但计算量较大；蒙特卡洛模拟方法则依赖于随机性，结果会有一定的波动；而直接使用内置库则是最为方便快捷的方式，在实际使用时，可以根据需要选择合适的方法来计算π的值。