带注释的热图轴顺序取决于数据类型

如何解决带注释的热图轴顺序取决于数据类型

我正在尝试使用带注释的热图在 Plotly 中绘制混淆矩阵。现在我注意到由于某种原因，Y 轴会根据标签的数据类型翻转，即使我将数据类型强制为字符串也是如此。

下面的代码将提供两个图，其中第二个图与第一个图相比具有倒置的 Y 轴。第一个是我希望它显示的方式，无论类名的数据类型如何。

在哪里更改顺序，我如何强制它保持提供的列表顺序？

'''

import numpy as np

confm = array([[10,4,1,0],[1,20,10,[0,7,30,3,40,2],2,50]])

labels = [1,5]


import plotly.graph_objects as go
import plotly.figure_factory as ff


def plot_matrix(confm,class_names):

    z =  np.round(confm,2)  # for readability
    
    class_names = [str(c) for c in class_names]  # force all to string

    
    fig = ff.create_annotated_heatmap(z,colorscale='reds',xtype='array',ytype='array',x=class_names,y=class_names[::-1],# invert order
                                     )
    
    

    fig.update_layout(
            title='Confusion matrix',width=600,height=600,margin=dict(pad=20),plot_bgcolor='white',xaxis=dict(title='Prediction',showticklabels = True,side='bottom',tickmode='array',tickvals=class_names,ticktext=class_names),yaxis=dict(title='Truth',ticktext=class_names[::-1])
                    )


    fig.show()


plot_matrix(confm,5])
plot_matrix(confm,['a','b','c','d','e'])

'''

解决方法

很明显plotly 库会在可能的情况下转换回整数/数字。为了保持行为不变，你可以

    class_names = [str(c)+"\0" for c in class_names]  # force all to string

只需附加一个 null ascii 字符，然后防止它被强制转换回数字。

,

这可以直接从 scikit 与 confm 一起使用，无需经过转换。唯一仍然打破它的是混合标签数据类型：

import plotly.graph_objects as go
import plotly.figure_factory as ff
from sklearn.metrics import confusion_matrix
   

def plot_matrix(confm,class_names):

    z = np.round(confm,2)
    
    z = z[::-1]
      
    fig = ff.create_annotated_heatmap(z,colorscale='reds',xtype='array',ytype='array',x=class_names,y=class_names,)
    
    

    fig.update_layout(
            title='Confusion matrix',width=600,height=600,margin=dict(pad=20),plot_bgcolor='white',xaxis=dict(title='Prediction',# Prediction
                       showticklabels = True,side='bottom',tickmode='array',tickvals=class_names,ticktext=class_names),yaxis=dict(title='Truth',# Truth
                       tickmode='array',ticktext=class_names[::-1]
                      )
                    )


    fig.show()


truth = ['a','a','b','b'] 
pred = ['a','a']
labels = ['a','b'] 

confm = confusion_matrix(truth,pred,labels)

plot_matrix(confm,labels)