Python分类混淆矩阵指标计算代码无输出问题排查

核心错误点 #

• 函数代码块未缩进：Python是缩进敏感语言，def err_metric(CM): 声明后，所有属于函数内部的代码必须缩进（通常用4个空格）。当前代码完全没有缩进，会直接触发语法错误，导致代码无法正常解析执行。
• iloc方法使用逻辑完全错误：iloc是pandas DataFrame的位置索引方法，用于按行/列位置提取数据，但你把TP/FP/FN/TN的数值存在列表A中，试图用CM.iloc[A[0]]提取第100行，这和获取混淆矩阵指标的需求完全不符；同时你未定义CM的类型（是DataFrame还是普通数组），直接调用iloc会触发属性错误。
• 未调用定义好的函数：代码仅定义了err_metric函数，但从未执行err_metric(...)调用语句，就算函数逻辑正确，也不会触发内部的计算和打印操作，自然没有输出。
• 冗余导入numpy：代码开头导入了numpy但全程未使用，属于无效代码。
• 混淆矩阵指标提取逻辑错误：你混淆了“混淆矩阵的索引位置”和“指标数值”，正确逻辑应该是直接传入TP/FP/FN/TN数值，或传入标准2x2混淆矩阵后提取对应位置的数值。

修正后的代码示例 #

方案1：直接传入TP/FP/FN/TN数值

def err_metric(TP, FP, FN, TN):
    # 添加除零判断，避免运行时错误
    precision = TP / (TP + FP) if (TP + FP) != 0 else 0
    recall = TP / (TP + FN) if (TP + FN) != 0 else 0
    specificity = TN / (TN + FP) if (TN + FP) != 0 else 0
    false_negative_rate = FN / (FN + TP) if (FN + TP) != 0 else 0
    false_positive_rate = FP / (FP + TN) if (FP + TN) != 0 else 0
    accuracy = (TP + TN) / (TP + TN + FP + FN) if (TP + TN + FP + FN) != 0 else 0
    spatial_accuracy = TP / (TP + FN + FP) if (TP + FN + FP) != 0 else 0
    f_measure = 2 * ((precision * recall) / (precision + recall)) if (precision + recall) != 0 else 0

    print("Precision : ", precision)
    print("Recall: ", recall)
    print("Specificity : ", specificity)
    print("False negative rate: ", false_negative_rate)
    print("False positive rate: ", false_positive_rate)
    print("Accuracy: ", accuracy)
    print("Spatial accuracy: ", spatial_accuracy)
    print("F-measure: ", f_measure)

# 调用函数，传入已知数值
err_metric(TP=100, FP=900, FN=0, TN=0)

方案2：传入标准2x2混淆矩阵

def err_metric(confusion_matrix):
    # 从2x2矩阵中提取指标：格式为[[TN, FP], [FN, TP]]
    TN, FP = confusion_matrix[0]
    FN, TP = confusion_matrix[1]
    
    # 带除零判断的指标计算
    precision = TP / (TP + FP) if (TP + FP) != 0 else 0
    recall = TP / (TP + FN) if (TP + FN) != 0 else 0
    specificity = TN / (TN + FP) if (TN + FP) != 0 else 0
    false_negative_rate = FN / (FN + TP) if (FN + TP) != 0 else 0
    false_positive_rate = FP / (FP + TN) if (FP + TN) != 0 else 0
    accuracy = (TP + TN) / (TP + TN + FP + FN) if (TP + TN + FP + FN) != 0 else 0
    spatial_accuracy = TP / (TP + FN + FP) if (TP + FN + FP) != 0 else 0
    f_measure = 2 * ((precision * recall) / (precision + recall)) if (precision + recall) != 0 else 0

    print("Precision : ", precision)
    print("Recall: ", recall)
    print("Specificity : ", specificity)
    print("False negative rate: ", false_negative_rate)
    print("False positive rate: ", false_positive_rate)
    print("Accuracy: ", accuracy)
    print("Spatial accuracy: ", spatial_accuracy)
    print("F-measure: ", f_measure)

# 定义混淆矩阵
cm = [[0, 900], [0, 100]]
err_metric(cm)

内容的提问来源于stack exchange，提问作者Arvuz10