Numpy

1.想實現用matplotlib對confusion matrix畫color map時，能夠根據每個元素佔每一行樣本總量而非總體樣本總量顯示color map顏色。可以使用兩個confusion matrix來作圖，第一個實際的confusion matrix為原始，用來顯示資料，另一個confusion matrix對每一行進行歸一化到[0,1]（具體方法每個元素除以每一行的樣本總數,pps:每一行的樣本總量為True Label），然後對這張圖作color map.其中用到一個numpy函式：np.apply_along_axis(func,axis,data)，對data按axis軸方向的每一個元素作func操作，實現對一行的每個元素除以這行的總數，雖然有更簡單的方法，但是此方法可以用在列上，通用性強.

confusionMatrix = np.array([.....]) # 原始混淆矩陣

def my_func(a):                     #每行操作
    return a/np.sum(a)
   
confusionMatrixColor = np.apply_along_axis(my_func,axis=1,arr=confusionMatrix) 
                                     # 用來製作color map的混淆矩陣

plt.imshow(confusionMatrixColor, interpolation='nearest',cmap=plt.cm.Blues) #製作color map

fmt = 'd'
thresh = 0.5
for i, j in itertools.product(range(confusionMatrix.shape[0]), range(confusionMatrix.shape[1])):
    plt.text(j, i, format(confusionMatrix[i, j], fmt),
             horizontalalignment="center",
             color="white" if confusionMatrixColor[i, j] > thresh else "black")    #填充原始混淆矩陣
 

對比：

Matplotlib

1.調整x軸刻度標籤並右對齊，在刻度標籤字串長度很長時很有用：

plt.xticks(tick_marks, Xticks, rotation=45)
fig = plt.gcf()
fig.autofmt_xdate()

效果對比：