计算数据帧内响应的真阳性和假阴性

如何解决计算数据帧内响应的真阳性和假阴性

我有调查结果，我已对其进行了单热编码。我想计算每个参与者反应的敏感度。

以下是我的 DataFrame 的结构示例，其中：

“巧克力”和“冰淇淋”是正确的
“披萨”和“以上都不是”是不正确的

Question 1      |  Chocolate  |  Pizza  | Ice-Cream | None of the Above |   
Participant ID  |             |         |           |                   |
1               |      1      |    1    |     1     |       0           |
2               |      0      |    0    |     1     |       0           |
3               |      1      |    0    |     1     |       0           |

我想附加一列，其中包含真阳性的总和，另一列包含假阴性的总和，然后创建另一个具有敏感度分数的列（针对每个参与者）。

下面是我正在尝试做的一个例子：

Question 1      |  Chocolate  | ...  | True Positive | False Negative | ..  
Participant ID  |             |      |               |                | 
1               |      1      | ...  |     2         |       0        | .. 
2               |      0      | ...  |     1         |       1        | ..
3               |      1      | ...  |     2         |       1        | ..

我不知道从哪里开始！谁能帮帮我？

非常感谢！

解决方法

您可以使用混淆矩阵（例如来自 Sklearn）来计算“真实位置”、“假否定”等。也许下面的代码对你有用：

import pandas as pd
import sklearn
from sklearn.metrics import confusion_matrix

a = [[1,1,0],[0,[1,0]]
correct = [[1,0]]

df = pd.DataFrame(data=a)
df.columns=['chocolate','pizza','icecream','none']

for i in range(len(df)):
  pred = a[i]
  true = correct[i]
  tn,fp,fn,tp = confusion_matrix(true,pred).ravel()
  print (f'Nr:{i}  true neg:{tn}  false pos:{fp}   false neg:{fn}   true pos:{tp}')

输出是（您可以将其放入数据帧中）：

Nr:0  true neg:1  false pos:1   false neg:0   true pos:2
Nr:1  true neg:2  false pos:0   false neg:1   true pos:1
Nr:2  true neg:2  false pos:0   false neg:0   true pos:2