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

random.sample是另一个可以使用的

import random
n = 1 # specify the no. of numbers
num = random.sample(range(10),  n)
num[0] # is the required number

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。

在连续数字的情况下，randint或randrange可能是最好的选择，但如果序列中有几个不同的值（即列表），也可以使用choice：

>>> import random
>>> values = list(range(10))
>>> random.choice(values)
5

该选项也适用于非连续样本中的一项：

>>> values = [1, 2, 3, 5, 7, 10]
>>> random.choice(values)
7

如果您需要“加密性强”，python 3.6和更新版本中还有一个secrets.choice：

>>> import secrets
>>> values = list(range(10))
>>> secrets.choice(values)
2

最好的方法是使用import Random函数

import random
print(random.sample(range(10), 10))

或没有任何库导入：

n={} 
for i in range(10):
    n[i]=i

for p in range(10):
    print(n.popitem()[1])

这里popitems从字典n中删除并返回任意值。

尝试random.randrange：

from random import randrange
print(randrange(10))