如何将自定义列表数据转换为Seaborn热力图（混淆矩阵样式）

你的数据是[真实标签, 预测标签, 得分]的三元组列表，要转换成seaborn热力图所需的矩阵结构，按以下步骤操作：

1. 提取唯一标签，确定矩阵维度 #

从列表中提取所有真实标签和预测标签，去重后作为矩阵的行/列类别：

my_list = [
    ['scoreA', 'scoreA', None],['scoreA', 'scoreB', 0.5], ['scoreA', 'scoreC', 0.4],
    ['scoreB', 'scoreB', None],['scoreB', 'scoreA', 0.5], ['scoreB', 'scoreC', 0.9]
]

# 提取并排序所有唯一标签
labels = sorted({item[0] for item in my_list} | {item[1] for item in my_list})
n = len(labels)

2. 构建并填充混淆矩阵 #

创建空矩阵，遍历列表将得分填入对应位置（None可按需替换为指定值，示例用0）：

import numpy as np

# 初始化n×n的零矩阵
confusion_matrix = np.zeros((n, n))

# 填充数据
for true_label, pred_label, score in my_list:
    true_idx = labels.index(true_label)
    pred_idx = labels.index(pred_label)
    confusion_matrix[true_idx][pred_idx] = score if score is not None else 0

3. 绘制Seaborn热力图 #

将矩阵转为带行列标签的DataFrame，再调用热力图函数：

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

df = pd.DataFrame(confusion_matrix, index=labels, columns=labels)

plt.figure(figsize=(8, 6))
sns.heatmap(df, annot=True, cmap='Blues', fmt='.1f')
plt.xlabel('预测标签')
plt.ylabel('真实标签')
plt.title('混淆矩阵热力图')
plt.show()

调整cmap（配色）、fmt（标注格式）或None的替换值，可匹配你的可视化需求。

内容的提问来源于stack exchange，提问作者user8793002