尝试random.randit:

import random
print(random.randint(0, 9))

文档状态：

随机随机（a，b）返回一个随机整数N，使得a<=N<=b。

from random import randint

x = [randint(0, 9) for p in range(0, 10)]

这将生成范围为0到9（含0到9）的10个伪随机整数。

尝试random.randit:

import random
print(random.randint(0, 9))

文档状态：

随机随机（a，b）返回一个随机整数N，使得a<=N<=b。

OpenTURNS不仅可以模拟随机整数，还可以使用UserDefined定义的类定义关联的分布。

以下模拟了分布的12个结果。

import openturns as ot
points = [[i] for i in range(10)]
distribution = ot.UserDefined(points) # By default, with equal weights.
for i in range(12):
    x = distribution.getRealization()
    print(i,x)

这将打印：

0 [8]
1 [7]
2 [4]
3 [7]
4 [3]
5 [3]
6 [2]
7 [9]
8 [0]
9 [5]
10 [9]
11 [6]

括号在那里，因为x是一维中的一个点。在对getSample的一次调用中生成12个结果会更容易：

sample = distribution.getSample(12)

将产生：

>>> print(sample)
     [ v0 ]
 0 : [ 3  ]
 1 : [ 9  ]
 2 : [ 6  ]
 3 : [ 3  ]
 4 : [ 2  ]
 5 : [ 6  ]
 6 : [ 9  ]
 7 : [ 5  ]
 8 : [ 9  ]
 9 : [ 5  ]
10 : [ 3  ]
11 : [ 2  ]

有关此主题的更多详细信息，请参见：http://openturns.github.io/openturns/master/user_manual/_generated/openturns.UserDefined.html

我想我应该用quantumrand来补充这些答案，它使用ANU的量子数生成器。不幸的是，这需要互联网连接，但如果你关心数字的“随机性”，那么这可能是有用的。

https://pypi.org/project/quantumrand/

实例

import quantumrand

number = quantumrand.randint(0, 9)

print(number)

输出：4

文档中有很多不同的例子，包括骰子和列表选择器。

您可以尝试从Python导入随机模块，然后让它在九个数字之间进行选择。这真的很基本。

import random
numbers = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

    

如果以后要使用，可以尝试将计算机选择的值放在变量中，但如果不使用，打印功能应该这样工作：

choice = random.choice(numbers)
print(choice)