Python 请参见混淆矩阵中的错误分类

我想通过迭代dataframe中的所有数据，从混乱矩阵中看到错误的分类，但它会一次又一次地产生相同的数据，代码有什么问题吗

这是df数据和指数测试

---

factorize返回标签和唯一性，使用df[“topic”].factorize（）[0]，您可以在重复的标签上进行迭代。尝试将其更改为df[“topic”].factorize（）[1]，然后您将迭代唯一值，这应该可以解决问题。@AnnaK。非常感谢，但现在它给出了

中的“索引器：只有整数、片（
：
）、省略号（
…
）、numpy.newaxis（
无
）和整数或布尔数组是有效的索引”（如果预测的话！）实际值和conf_mat[actual，predicted]>=10:

，是否唯一不返回数字？唯一不返回numpy数组如果您的数据不是numpy数组，请参阅文档。由于需要整数，可以尝试用np.unique（df[“topic”].factorize（）[0]）替换df[“topic”].factorize（）[0]，以避免重复。@AnnaK。谢谢，我看到了惟一的返回categoricalindex和categories，但是有没有一种方法可以将categoricalindex转换为numpy数组来迭代呢？

  from IPython.display import display
    #print( df["topic"].factorize().CategoricalIndex)
    #df["topic"].factorize()
    for predicted in df["topic"].factorize()[0]:
       for actual in df["topic"].factorize()[0]:
         if predicted != actual and conf_mat[actual, predicted] >= 10:
           print("'{}' predicted as '{}' : {} examples.".format(topics[actual],topics[predicted], conf_mat[actual, predicted]))
           display(df.loc[indices_test[(y_test == actual) & (pred == predicted)]][['topic', 'body_wakati']])
           print('')