在SciPy中，可以使用numpy.random模块来实现蒙特卡洛模拟。下面是一个简单的示例，演示如何使用蒙特卡洛模拟来计算圆周率的近似值：
import numpy as np
# 设置随机种子
np.random.seed(0)
# 模拟的次数
n = 1000000
# 在单位正方形内生成随机点
points = np.random.rand(n, 2)
# 计算点到原点的距离
distances = np.linalg.norm(points, axis=1)
# 统计落在单位圆内的点的数量
inside_circle = np.sum(distances < 1)
# 计算圆的面积
area_square = 1
area_circle = inside_circle / n * area_square
# 估计圆周率
pi_estimate = 4 * area_circle
print("估计的圆周率为:", pi_estimate)
上面的代码首先生成了1000000个在单位正方形内的随机点，然后计算每个点到原点的距离，统计落在单位圆内的点的数量，进而估计圆的面积和圆周率的近似值。
通过运行上面的代码，您可以得到一个估计的圆周率值。您也可以调整模拟的次数n来获得更精确的估计值。
