解决TypeError:列表索引应为整数/切片而非元组（混淆矩阵场景）

习惯用R，刚转Python做项目，计算深度学习模型的混淆矩阵时持续遇到错误：TypeError: list indices must be integers or slices, not tuple。检查传入的3个参数类型后发现类型不同，怀疑是问题根源。

最初将Label从数据框取出转为列表：Label=data['Label'].tolist()，后来修正为Label=data['Label']，但尝试用Label[0,1]和Label[0][1]传入confusion_matrix都无效，相关代码及报错信息如下：

q_aware_model.evaluate(X_test, y_test)
3912/3912 [==============================] - 4s 1ms/step - loss: 0.2378 - accuracy: 0.9361
Out[64]: [0.23779138922691345, 0.9361117482185364]

test_predict= q_aware_model.predict(X_test)
3912/3912 [==============================] - 4s 902us/step

cm=confusion_matrix(y_test,test_predict,Label[0,1])

TypeError                                 Traceback (most recent call last)
<ipython-input-83-951a7f1f1671> in <module>
----> 1 cm=confusion_matrix(y_test,test_predict,Label[0,1])

TypeError: list indices must be integers or slices, not tuple

type(Label)
Out[66] list

type(y_test)
Out[67]: pandas.core.frame.DataFrame

type(test_predict)
Out[68]: numpy.ndarray

解决方案 #

核心问题梳理

sklearn.metrics.confusion_matrix的参数有严格要求：

1. y_true（真实标签）和y_pred（预测标签）必须是一维的类别标签序列/数组，不能是DataFrame或多维度的概率输出。
2. labels参数是用来指定混淆矩阵的类别顺序，必须是完整的一维类别集合，不是单个元素。

分步修正代码

1. 处理真实标签y_test：将DataFrame转为一维数组/列表

   # 方式1：用values.ravel()展平为一维数组
   y_test_flat = y_test.values.ravel()
   # 方式2：取DataFrame的第一列转为列表
   y_test_flat = y_test.iloc[:, 0].tolist()
   

2. 处理预测结果test_predict：如果模型返回的是类别概率矩阵（比如二分类是(n_samples,2)的数组），需要先转为类别标签

   import numpy as np
   test_predict_labels = np.argmax(test_predict, axis=1)
   

3. 处理类别标签集合Label：确保它是去重后的一维类别列表，直接传入labels参数

   # 从原数据中提取去重并排序的类别集合
   Label = sorted(data['Label'].unique().tolist())
   

4. 计算混淆矩阵

   from sklearn.metrics import confusion_matrix
   cm = confusion_matrix(y_test_flat, test_predict_labels, labels=Label)
   

报错原因解释

• Label[0,1]是用元组索引列表，而Python列表仅支持整数或切片索引，因此触发TypeError。
• 另外，y_test作为DataFrame不是一维序列，test_predict如果是概率矩阵而非类别标签，这两个参数不符合confusion_matrix的要求，也会引发后续问题。

内容的提问来源于stack exchange，提问作者Frenzy