如何用Python对比两列布尔值并生成混淆矩阵？

针对你的需求，有两种简单方法可以计算真阳性(TP)、假阳性(FP)、假阴性(FN)、真阴性(TN)：

方法1：使用scikit-learn（推荐） #

scikit-learn库的confusion_matrix函数可以直接生成混淆矩阵，并快速提取四个指标。首先把你的测试数据整理成列表：

# 对应示例中的Test1（预测结果）和Test2（真实标签）
predicted = [True, True, False, False, True, True, True]
actual = [True, True, True, True, True, True, False]

然后执行以下代码：

from sklearn.metrics import confusion_matrix

# 生成混淆矩阵，参数顺序为：真实标签、预测结果
confusion_mat = confusion_matrix(actual, predicted)

# 展开矩阵提取四个指标（顺序为TN, FP, FN, TP）
tn, fp, fn, tp = confusion_mat.ravel()

print(f"真阳性(TP): {tp}")
print(f"假阳性(FP): {fp}")
print(f"假阴性(FN): {fn}")
print(f"真阴性(TN): {tn}")

运行输出：

真阳性(TP): 4
假阳性(FP): 1
假阴性(FN): 2
真阴性(TN): 0

方法2：手动计算（无需第三方库） #

如果不想依赖外部库，可以手动遍历数据统计：

predicted = [True, True, False, False, True, True, True]
actual = [True, True, True, True, True, True, False]

tp = fp = fn = tn = 0

for act, pred in zip(actual, predicted):
    if act and pred:
        tp += 1
    elif not act and pred:
        fp += 1
    elif act and not pred:
        fn += 1
    else:
        tn += 1

print(f"真阳性(TP): {tp}")
print(f"假阳性(FP): {fp}")
print(f"假阴性(FN): {fn}")
print(f"真阴性(TN): {tn}")

关键说明 #

• 确保predicted和actual列表的元素顺序严格对应（每个索引对应同一个样本）
• 定义：
  • TP：真实为True，预测也为True
  • FP：真实为False，预测为True
  • FN：真实为True，预测为False
  • TN：真实为False，预测也为False

内容的提问来源于stack exchange，提问作者asdf123