如何让混淆矩阵热力图颜色基于分类正确率百分比

要实现热力图颜色基于单元格数值占对应真实类别（行）总数的百分比，而非原始计数，只需调整热力图的颜色数据源，同时保留原始数值作为标注，具体实现如下：

修改后的完整代码 #

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 原始混淆矩阵
cf_matrix = np.array([[50, 2, 38],
                      [7, 43, 32],
                      [1,  0, 4]])

labels = ['col1','col2','col3']
df_confusion = pd.DataFrame(cf_matrix, index=labels, columns=labels)

# 计算每行总和，生成百分比矩阵（用于颜色映射）
row_totals = df_confusion.sum(axis=1)
percent_matrix = df_confusion.div(row_totals, axis=0)

# 添加总计行和列（保持原始计数的总计逻辑）
df_confusion['TOTAL'] = row_totals
df_confusion.loc['TOTAL'] = df_confusion.sum()

# 为百分比矩阵补充总计行和列
percent_matrix['TOTAL'] = 1.0  # 行总计对应100%占比
percent_matrix.loc['TOTAL'] = df_confusion.loc['TOTAL'] / df_confusion.loc['TOTAL', 'TOTAL']

plt.figure(figsize=(24, 10))
sns.set(font_scale=1.5)

# 核心修改：用百分比矩阵控制颜色，原始矩阵显示标注
ax = sns.heatmap(percent_matrix, annot=df_confusion, cmap='Blues', fmt="d")    
ax.set_title('Confusion Matrix (Color by Row Percentage)\n\n', size=22)
ax.set_xlabel('\nPredicted Values', size=20)
ax.set_ylabel('Actual Values ', size=20)

plt.show()

关键修改说明 #

• 生成百分比矩阵：通过df_confusion.div(row_totals, axis=0)让每个单元格数值除以所在行的总和，得到该行的占比，这个矩阵是热力图颜色深浅的依据
• 分离颜色与标注：调用sns.heatmap时，data参数传入percent_matrix（决定颜色），annot参数传入原始的df_confusion（显示真实计数），fmt="d"确保标注以整数形式展示
• 总计行/列适配：行总计的百分比设为1.0（即100%），列总计的百分比按该列总计占整体总数的比例计算，保证颜色逻辑统一

内容的提问来源于stack exchange，提问作者Will