使用正确率百分比的颜色混淆矩阵热图

Question

这是 plot 的代码示例，一个用于多分类问题的混淆矩阵。

cf_matrix = np.array([[50, 2, 38],
                      [7, 43, 32],
                      [1,  0, 4]])

labels = ['col1','col2','col3']
df_confusion = pd.DataFrame(cf_matrix, index = labels, columns=labels)
df_confusion['TOTAL'] = df_confusion.sum(axis=1)
df_confusion.loc['TOTAL']= df_confusion.sum()

plt.figure(figsize=(24, 10))

sns.set(font_scale = 1.5)
ax = sns.heatmap(df_confusion, annot=True, cmap='Blues', fmt="d")    
ax.set_title('Confusion Matrix\n\n',size=22)
ax.set_xlabel('\nPredicted Values',size=20)
ax.set_ylabel('Actual Values ', size=20)

plt.show()

这是结果：

如何更改颜色条以使颜色与元素数量无关，而是基于每个单元格的元素百分比除以该 class（行）的总实际元素。 例如，在这种情况下，第三个 class col3 将具有最高颜色，因为它相对于 col1 和 col2 具有 4/5 = 80% 的正确预测，分别具有：50/90 = 55% 和 43/82 = 52%正确的预测。

Answer 1

由于cmap参数使用data来应用渐变，因此您需要将data更改为百分比，然后使用annot参数将值覆盖为实际数字。

所以，我想你想要像下面这样的东西。 注意我已将df_percentages.TOTAL的百分比设置为0下面； 否则TOTAL列显然会完全变成深蓝色。

无论如何，既然您知道了逻辑，我相信您会知道如何根据自己的喜好调整df_percentages的值。

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

cf_matrix = np.array([[50, 2, 38],
                      [7, 43, 32],
                      [1,  0, 4]])

labels = ['col1','col2','col3']
df_confusion = pd.DataFrame(cf_matrix, index = labels, columns=labels)
df_confusion['TOTAL'] = df_confusion.sum(axis=1)
df_confusion.loc['TOTAL']= df_confusion.sum()

# get percentages
df_percentages = df_confusion.div(df_confusion.TOTAL, axis=0)
df_percentages.TOTAL = 0

# =============================================================================
#            col1      col2      col3  TOTAL
# col1   0.555556  0.022222  0.422222      0
# col2   0.085366  0.524390  0.390244      0
# col3   0.200000  0.000000  0.800000      0
# TOTAL  0.327684  0.254237  0.418079      0
# =============================================================================

plt.figure(figsize=(24, 10))
                        
sns.set(font_scale = 1.5)

# cmap using data for color, taking values from annot
ax = sns.heatmap(data=df_percentages, annot=df_confusion, cmap='Blues', fmt="d",
                 cbar_kws={'label': 'percentages'})  
  
ax.set_title('Confusion Matrix\n\n',size=22)
ax.set_xlabel('\nPredicted Values',size=20)
ax.set_ylabel('Actual Values ', size=20)

plt.show()

结果：