如何用Python将Pandas生成的混淆矩阵转换为JSON格式？

看起来你已经成功生成了带清晰标签的混淆矩阵DataFrame，现在卡在了JSON转换这一步。你的现有代码思路是把矩阵包装成字典再转JSON，但方式有点绕，而且没选对正确的参数，我来给你几个简单靠谱的解决方案：

方法1：直接将DataFrame转为JSON（保留索引和列标签） #

你可以直接对生成的confusionmatrix调用Pandas的to_json()方法，通过指定orient参数来控制JSON的结构。如果想保留你现有的行/列标签层级，用orient='index'最合适：

# 生成混淆矩阵（你的原有代码）
confusionmatrix = pd.DataFrame(
    confusion_matrix(test["Churn"], predictions),
    columns=["Predicted False", "Predicted True"],
    index=["Actual False", "Actual True"]
)

# 直接转换为格式化后的JSON
confusion_json = confusionmatrix.to_json(orient='index', indent=4)

生成的JSON结构会完整保留你的标签逻辑：

{
    "Actual False": {
        "Predicted False": 877,
        "Predicted True": 100
    },
    "Actual True": {
        "Predicted False": 183,
        "Predicted True": 179
    }
}

方法2：包装成你想要的嵌套结构（带confusionmatrix顶级键） #

如果你希望最终的JSON外层有confusionmatrix这个顶级键，那可以先把DataFrame转成字典，再包装成指定结构，最后用json.dumps()格式化：

import json

# 先将DataFrame转为字典（保留索引结构）
matrix_dict = confusionmatrix.to_dict(orient='index')
# 包装成目标嵌套结构
results = {'confusionmatrix': matrix_dict}
# 转为格式化后的JSON
final_json = json.dumps(results, indent=4)

这会得到你最初想要的结构：

{
    "confusionmatrix": {
        "Actual False": {
            "Predicted False": 877,
            "Predicted True": 100
        },
        "Actual True": {
            "Predicted False": 183,
            "Predicted True": 179
        }
    }
}

为什么你的原有代码不行？ #

你之前尝试把DataFrame放到列表里再转Series，这种方式会让结构变得冗余，而且没有正确利用Pandas的内置方法来保留索引和列名。直接操作DataFrame本身的转换方法会更简洁可靠。

另外，orient参数还有其他选项可以满足不同需求：

• orient='columns'：会以列名为顶级键，行索引作为子键
• orient='split'：会把数据、索引、列名分开存储，适合需要拆分结构的场景

内容的提问来源于stack exchange，提问作者sangeetha sivakumar