试试看：

from random import randrange, uniform

# randrange gives you an integral value
irand = randrange(0, 10)

# uniform gives you a floating-point value
frand = uniform(0, 10)

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

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。

您需要随机python模块，它是标准库的一部分。使用代码。。。

from random import randint

num1= randint(0,9)

这将将变量num1设置为介于0和9之间的随机数（包括0和9）。

如果要使用numpy，请使用以下命令：

import numpy as np
print(np.random.randint(0,10))

选择阵列的大小（在本例中，我选择的大小为20）。然后，使用以下方法：

import numpy as np   
np.random.randint(10, size=(1, 20))

您可以期望看到以下形式的输出（每次运行时都会返回不同的随机整数；因此，您可以期望输出数组中的整数与下面给出的示例不同）。

array([[1, 6, 1, 2, 8, 6, 3, 3, 2, 5, 6, 5, 0, 9, 5, 6, 4, 5, 9, 3]])