如何用plot_confusion_matrix在同一窗口绘制带标签的三个混淆矩阵

要给每个混淆矩阵子图添加类别标签和轴名称，你可以通过手动设置子图的坐标轴属性来解决。以下是修改后的完整代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import plot_confusion_matrix  # 假设使用sklearn的该函数

# 定义类别标签
label_ax = ['0','1','2','3','4','5','6','7','8','9','10','11','12','13','14','15','16','17','18']

# 计算累计混淆矩阵
a1 = np.zeros(shape=(19, 19))  
a2 = np.zeros(shape=(19, 19))  
a3 = np.zeros(shape=(19, 19))  

for element in total_cm_svm:
    a1 = a1 + element

for element in total_cm_lda:
    a2 = a2 + element

for element in total_cm_etc:
    a3 = a3 + element

# 创建子图布局，调整画布大小避免标签拥挤
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(18, 6))

# 绘制SVM混淆矩阵并设置标签
cm = plot_confusion_matrix(conf_mat=a1, colorbar=False, class_names=label_ax, axis=axes[0])
axes[0].set_title('SVM 混淆矩阵')
axes[0].set_xlabel('预测类别')
axes[0].set_ylabel('真实类别')
axes[0].set_xticklabels(label_ax, rotation=45)
axes[0].set_yticklabels(label_ax)

# 绘制LDA混淆矩阵并设置标签
cm1 = plot_confusion_matrix(conf_mat=a2, colorbar=False, class_names=label_ax, axis=axes[1])
axes[1].set_title('LDA 混淆矩阵')
axes[1].set_xlabel('预测类别')
axes[1].set_ylabel('真实类别')
axes[1].set_xticklabels(label_ax, rotation=45)
axes[1].set_yticklabels(label_ax)

# 绘制ETC混淆矩阵并设置标签
cm2 = plot_confusion_matrix(conf_mat=a3, colorbar=False, class_names=label_ax, axis=axes[2])
axes[2].set_title('ETC 混淆矩阵')
axes[2].set_xlabel('预测类别')
axes[2].set_ylabel('真实类别')
axes[2].set_xticklabels(label_ax, rotation=45)
axes[2].set_yticklabels(label_ax)

# 自动调整子图间距，防止标签被截断
plt.tight_layout()
plt.show()

关键修改说明： #

• 显式定义类别标签：确保label_ax变量指向你需要的19个类别标签列表，统一应用到所有子图。
• 设置轴名称：通过set_xlabel和set_ylabel分别为每个子图添加"预测类别"和"真实类别"的轴标签。
• 强制设置刻度标签：调用set_xticklabels和set_yticklabels手动绑定类别标签到坐标轴，配合rotation=45避免x轴标签重叠。
• 优化布局：调整figsize增大画布宽度，并用plt.tight_layout()自动调整子图间距，防止标签被截断或遮挡。
• 添加子图标题：给每个子图添加模型名称标题，方便区分不同混淆矩阵对应的模型。

内容的提问来源于stack exchange，提问作者Renlo