用特定索引中numpy数组的其他值替换特定值的Python方法

我已经看到了问题每个部分的答案。例如

np。其中（arr，b，c）

将arr中的所有b转换为c。或者

arr[arr==b]=c

也会这样做。但是，我在一个numpy数组中有1000个标签，

labels\u test

，包括1个和6个。我想将30%的正确标签翻转到错误的标签上，以生成错误的数据集。因此，我创建了以下应该更改的索引列表

l = [np.random.choice(1000) for x in range(100)] (I am not sure if each index is repeated once)

我想要像这样的东西

np.put(labels_test, l, if labels_test[l] ==1, then 6 and  if labels_test[l] ==6, then 1`

我们可以为以下玩具示例执行此操作：

np.random.seed(1)
labels_test = [np.random.choice([1,6]) for x in range(20)]
[6, 6, 1, 1, 6, 6, 6, 6, 6, 1, 1, 6, 1, 6, 6, 1, 1, 6, 1, 1]

这里有一个方法：

>>> labels_test = np.random.choice([1, 6], 20)
>>> ind = np.random.choice(labels_test.shape[0], labels_test.shape[0]//3, replace=False)
>>> labels_test
array([1, 6, 1, 1, 6, 1, 1, 1, 6, 1, 1, 1, 6, 6, 6, 6, 6, 1, 1, 1])
>>> labels_test[ind] = 7 - labels_test[ind]
>>> labels_test
array([1, 6, 1, 6, 6, 6, 1, 1, 6, 1, 6, 1, 1, 6, 1, 6, 6, 1, 1, 6])

---

通过不进行替换的采样，可以精确翻转30%（四舍五入到最接近的整数）。根据您的要求，一个合适的替代方案可能是选择概率为0.3的每个标签。

没有任何通用方法可以做到这一点。我的意思是，如果我们有更多的标签（0，1，2，…，9），并且希望对所有标签都这样做，或者百分比改变。