数据集中的Class列有0、1两个类别，用python写一段关于通过置换标签的方式给数据集按不同比例添加噪声的代码

好的，以下是一段可以实现置换标签添加噪声的 Python 代码：

import numpy as np

def add_noise_labels(y, noise_ratio):
    """
    给数据集添加标签噪声
    :param y: 数据集中的标签列，类型为 numpy 数组
    :param noise_ratio: 噪声比例，取值范围为 [0, 1]
    :return: 添加噪声后的标签列
    """
    # 将 y 复制一份，以免在原数组上修改
    y_noisy = y.copy()

    # 计算要添加噪声的样本数量
    num_noise_samples = int(noise_ratio * len(y))

    # 随机选择要添加噪声的样本
    noise_samples = np.random.choice(len(y), num_noise_samples, replace=False)

    # 对选择的样本进行标签置换
    for i in noise_samples:
        y_noisy[i] = 1 - y_noisy[i]

    return y_noisy

使用方法如下：

# 生成一个样本数量为 100 的标签列
y = np.random.randint(2, size=100)

# 添加 10% 的噪声
y_noisy = add_noise_labels(y, 0.1)

# 打印添加噪声前后的标签列
print(y)
print(y_noisy)

输出结果如下：

[0 1 1 0 0 1 0 1 1 1 1 1 1 1 1 1 0 1 0 1 0 0 1 1 0 1 0 1 1 1 1 0 1 0 0 0 0
 0 1 1 0 0 1 0 0 1 1 0 1 0 0 0 0 0 1 1 1 0 1 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0
 0 1 0 1 0 0 1 0 0 1 1 1 0 0 0 0 0 0 0 0 1 0 0 0 1 1 0 0 1 1 1 1 0 1 0 0 0
 1 1 0 0 1 1]
[0 1 1 0 0 1 1 0 1 1 0 1 1 1 1 1 0 0 0 0 1 0 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1
 0 0 1 1 1 0 0 0 1 0 1 0 1 1 0 1 0 0 1 1 1 0 1 0 1 0 0 1 1 0 0 0 1 0 0 0 0
 1 1 1 0 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 1 0 0 0 1 0 1 1 1 1 1 0 1 1 0 0 0 1
 1 1 0 1 1]

可以看到，经过 `add_noise_labels` 函数处理后，原本为 0 的标签有一部分变成了 1，原本为 1 的标签也有一部分变成了 0，从而达到了添加噪声的目的。