Seaborn 混淆矩阵（热图）2 种配色方案（正确的对角线 vs 错误的休息）

Question

背景

在混淆矩阵中，对角线表示预测的 label 与正确的 label 匹配的情况。因此对角线是好的，而所有其他单元格都是坏的。 为了向非专家阐明 CM 的优缺点，我想给对角线赋予与 rest 不同的颜色。我想用Python 和 Seaborn来实现这一点。

基本上，我试图在 R（ ggplot2 热图 2 种不同的配色方案 - 混淆矩阵：匹配与错误分类不同的配色方案）中实现这个问题

正常 Seaborn 带有热图的混淆矩阵

import numpy as np
import seaborn as sns

cf_matrix = np.array([[50, 2, 38],
                      [7, 43, 32],
                      [9,  4, 76]])

sns.heatmap(cf_matrix, annot=True, cmap='Blues')  # cmap='OrRd'

结果是这张图片：

目标

我想用例如cmap='OrRd'为非对角线单元格着色。 所以我想会有 2 个颜色条，1 个蓝色用于对角线，1 个用于其他单元格。 最好是两个颜色条的值匹配（例如 0-70 而不是 0-70 和 0-40）。 我将如何处理这个？

下面不是用代码做的，是用图片编辑软件做的：

Answer 1

您可以在调用heatmap()使用mask=来选择要显示的单元格。 对对角线和 off_diagonal 单元格使用两个不同的掩码，您可以获得所需的输出：

import numpy as np
import seaborn as sns

cf_matrix = np.array([[50, 2, 38],
                      [7, 43, 32],
                      [9,  4, 76]])

vmin = np.min(cf_matrix)
vmax = np.max(cf_matrix)
off_diag_mask = np.eye(*cf_matrix.shape, dtype=bool)

fig = plt.figure()
sns.heatmap(cf_matrix, annot=True, mask=~off_diag_mask, cmap='Blues', vmin=vmin, vmax=vmax)
sns.heatmap(cf_matrix, annot=True, mask=off_diag_mask, cmap='OrRd', vmin=vmin, vmax=vmax, cbar_kws=dict(ticks=[]))

如果您想花哨，可以使用 GridSpec 创建轴以获得更好的布局：

将 numpy 导入为 np 将 seaborn 导入为 sns

fig = plt.figure()
gs0 = matplotlib.gridspec.GridSpec(1,2, width_ratios=[20,2], hspace=0.05)
gs00 = matplotlib.gridspec.GridSpecFromSubplotSpec(1,2, subplot_spec=gs0[1], hspace=0)

ax = fig.add_subplot(gs0[0])
cax1 = fig.add_subplot(gs00[0])
cax2 = fig.add_subplot(gs00[1])

sns.heatmap(cf_matrix, annot=True, mask=~off_diag_mask, cmap='Blues', vmin=vmin, vmax=vmax, ax=ax, cbar_ax=cax2)
sns.heatmap(cf_matrix, annot=True, mask=off_diag_mask, cmap='OrRd', vmin=vmin, vmax=vmax, ax=ax, cbar_ax=cax1, cbar_kws=dict(ticks=[]))

Answer 2

您可以先用颜色图 'OrRd' 绘制热图，然后用颜色图 'Blues' 用热图覆盖它，用 NaN 替换上下三角形值，请参见以下示例：

def diagonal_heatmap(m):

    vmin = np.min(m)
    vmax = np.max(m)    
    
    sns.heatmap(cf_matrix, annot=True, cmap='OrRd', vmin=vmin, vmax=vmax)

    diag_nan = np.full_like(m, np.nan, dtype=float)
    np.fill_diagonal(diag_nan, np.diag(m))
    
    sns.heatmap(diag_nan, annot=True, cmap='Blues', vmin=vmin, vmax=vmax, cbar_kws={'ticks':[]}) 




cf_matrix = np.array([[50, 2, 38],
                      [7, 43, 32],
                      [9,  4, 76]])

diagonal_heatmap(cf_matrix)

Answer 3

在一个相关问题中，有人询问如何显示相关性 dataframe，其中颜色条范围不包括对角线（全为 1）。

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

iris = sns.load_dataset('iris').drop(columns=['species'])
corr_df = iris.corr()

plt.figure(figsize=(7,5))
ax = sns.heatmap(corr_df, annot=True, cmap='OrRd', mask=np.eye(len(corr_df)))
ax.set_yticklabels(ax.get_yticklabels(), va='center')
ax.patch.set_facecolor('skyblue')
ax.patch.set_edgecolor('white')
ax.patch.set_hatch('xx')

plt.tight_layout()
plt.show()