Seaborn混淆矩阵（热图）2种配色方案（正确的对角线与错误的Rest）

Question

在混淆矩阵中，对角线表示预测标签与正确标签匹配的情况。所以对角线是好的，而所有其他单元格都是坏的。为了澄清非专家的CM中什么是好的，什么是坏的，我想给对角线一个不同于其他颜色的颜色。我想用Python实现这一点

基本上，我试图实现这个问题在R中的作用（ggplot2热图2不同的配色方案-混淆矩阵：与分类不同的配色方案中的匹配）

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'

这将导致此图像：

我想用例如cmap='OrRd'为非对角单元格着色。所以我想象会有2个色条，1个蓝色代表对角线，1个代表其他单元格。优选地，两个色条的值匹配（例如，0-70，而不是0-70和0-40）。我将如何处理这个问题？

以下不是用代码制作的，而是用照片编辑软件制作的：

Answer 1

您可以先用彩色地图“OrRd”绘制热图，然后用彩色地图“Blues”覆盖热图，上面和下面的三角形值替换为NaN，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 2

您可以在调用heatmap（）中使用mask=来选择要显示的单元格。使用对角线和非对角线单元格的两个不同遮罩，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=[]))

如果你想变得花哨，你可以创建轴使用GridSpec有一个更好的布局：

作为np导入Numpy作为sns导入海运

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=[]))