<a href="https://pypi.org/project/pretty-confusion-matrix/"><img alt="PyPI" src="https://img.shields.io/pypi/v/pretty-confusion-matrix?logo=pypi&logoColor=%23FFFFFF"></a> <a href="https://github.com/psf/black"><img alt="代码风格：black" src="https://yellow-cdn.veclightyear.com/0a4dffa0/7099efdd-da74-4062-b8b8-aab966d1c748.svg?logo=codeclimate&logoColor=%23FFFFFF"></a> <a href="https://libraries.io/pypi/pretty-confusion-matrix"><img alt="GitHub 仓库星标" src="https://img.shields.io/librariesio/github/wcipriano/pretty-print-confusion-matrix"></a> <a href="https://github.com/wcipriano"><img alt="GitHub 仓库星标" src="https://img.shields.io/github/license/wcipriano/pretty-print-confusion-matrix?logo=apache"></a> <a href="https://github.com/wcipriano/pretty-print-confusion-matrix/blob/master/LICENSE"><img alt="GitHub 许可证" src="https://img.shields.io/github/stars/wcipriano/pretty-print-confusion-matrix?style=flat&logo=github"></a>

Python中的混淆矩阵

使用seaborn和matplotlib在Python中绘制漂亮的混淆矩阵（类似Matlab）

创建于2018年6月25日 14:17:37 作者：Wagner Cipriano - wagnerbhbr

此模块可以从NumPy矩阵或两个NumPy数组（y_test和predictions）生成漂亮的混淆矩阵打印结果。

安装

pip install pretty-confusion-matrix

快速开始

从DataFrame绘制：

import numpy as np
import pandas as pd
from pretty_confusion_matrix import pp_matrix

array = np.array([[13,  0,  1,  0,  2,  0],
                  [0, 50,  2,  0, 10,  0],
                  [0, 13, 16,  0,  0,  3],
                  [0,  0,  0, 13,  1,  0],
                  [0, 40,  0,  1, 15,  0],
                  [0,  0,  0,  0,  0, 20]])

# 获取pandas数据框
df_cm = pd.DataFrame(array, index=range(1, 7), columns=range(1, 7))
# 颜色映射：查看此处并选择你喜欢的
cmap = 'PuRd'
pp_matrix(df_cm, cmap=cmap)

从向量绘制

import numpy as np
from pretty_confusion_matrix import pp_matrix_from_data

y_test = np.array([1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2,
                  3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5])
predic = np.array([1, 2, 4, 3, 5, 1, 2, 4, 3, 5, 1, 2, 3, 4, 4, 1, 4, 3, 4, 5, 1, 2, 4, 4, 5, 1, 2, 4, 4, 5, 1, 2, 4, 4, 5, 1, 2, 4, 4, 5, 1, 2, 3, 3, 5, 1, 2, 3, 3, 5, 1, 2,
                  3, 4, 4, 1, 2, 3, 4, 1, 1, 2, 3, 4, 1, 1, 2, 3, 4, 1, 1, 2, 4, 4, 5, 1, 2, 4, 4, 5, 1, 2, 4, 4, 5, 1, 2, 4, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5])

pp_matrix_from_data(y_test, predic)

在坐标轴中使用自定义标签

您可以自定义坐标轴中的标签，无论是通过数据框还是向量。

从数据框

要在坐标轴上使用文本标签而不是整数来绘制矩阵，请更改数据框的 index 和 columns 参数。 以上面的示例为例，只需将 df_cm = pd.DataFrame(array, index=range(1, 7), columns=range(1, 7)) 这行改为：

col = ['狗', '猫', '老鼠', '狐狸', '鸟', '鸡']
df_cm = pd.DataFrame(array, index=col, columns=col)

这将把坐标轴上的整数标签（1...6）替换为 狗、猫、老鼠 等。

从向量

这种方法非常相似，在这种情况下，您只需要使用 columns 参数，如下例所示。 这个参数是一个位置数组，即顺序必须与数据表示相同。 在这个例子中，狗 将被分配给类别 0，猫 将被分配给类别 1，依此类推。 以上面的第二个示例为例，只需将 pp_matrix_from_data(y_test, predic) 这行改为：

columns = ['狗', '猫', '老鼠', '狐狸', '鸟'] 
pp_matrix_from_data(y_test, predic, columns)

这将把坐标轴上的"类别 A, ..., 类别 E"替换为 狗、猫、...、鸟。

有关"如何在 Python 中用字符串而不是整数绘制混淆矩阵"的更多信息，请参阅这个 Stack Overflow 回答。

选择颜色映射

您可以通过许多颜色选项（如 PuRd、Oranges 等）来选择矩阵的布局。 要自定义您的配色方案，请使用 pp_matrix 函数的 cmap 参数。 要查看所有可用的颜色映射，请执行以下操作：

from matplotlib import colormaps
list(colormaps)

有关 Matplotlib 中选择颜色映射的更多信息，请参阅此处。

参考文献：

1. MATLAB 混淆矩阵：

a) 绘制混淆矩阵

b) 使用分类标签绘制混淆矩阵

2. Python 示例和更多内容：

a) 如何在 Python 中用字符串而不是整数绘制混淆矩阵

b) 绘制 scikit-learn 分类报告

c) 在 Python 中用字符串而不是整数绘制混淆矩阵

d) Seaborn 热力图

e) Sklearn - 用标签绘制混淆矩阵

f) 模型选择 - 绘制混淆矩阵