如何计算混淆矩阵对角线的和及混淆矩阵的和

 混淆矩阵
 numpy生成矩阵的几种方式
 # 1.arange+reshape
n = np.arange(0, 30, 2)# start at 0 count up by 2, stop before 30
n = n.reshape(3, 5) # reshape array to be 3x5
print(n)


# 2.linspace+resize
o = np.linspace(0, 4, 9)
o.resize(3, 3)
print(o)


# 3.ones zeros eye diag random.randint等创建矩阵
a = np.ones((3, 2))
print('a:', a)
b = np.zeros((2, 3))
print('b:', b)
c = np.eye(3)#3维单位矩阵
print('c:', c)
y = np.array([4, 5, 6])
np.diag(y)#以y为主对角线创建矩阵
print('y:', y)
d = np.random.randint(0, 10, (4,3))
print(d)


# 矩阵拼接
p = np.ones([2, 3], int)
e = np.hstack([p, 2*p])#水平拼接
f = np.vstack([p, 2*p])#竖直拼接
print('e:', e)
print('f:', f)


# reshape和resize的区别
# 1. reshape的参数严格地说，应该是tuple类型（tuple of ints），似乎不是tuple也成（ints）。
x = np.random.rand(2, 3)
print(x)
x.reshape((3, 2))
print(x)
# 以tuple of ints


# .reshape 实现维度的提升
# (3, ) ≠ (3, 1)：前者表示一维数组（无行和列的概念），后者则表示一个特殊的二维数组，也即是一个列向量
x = np.ones(3)
print(x)
x.reshape(3, 1)
print(x)
x.reshape(1, 3)
print(x)


# 2. .reshape 与 .resize
# reshape：有返回值，所谓有返回值，即不对原始多维数组进行修改；
# resize：无返回值，所谓有返回值，即会对原始多维数组进行修改；
X = np.random.randn(2, 3)
print(x)
X.reshape((3, 2))
print(x)
X.resize((3, 2))
print(x)


# 求主对角线的和
# 方法1：使用翻转
import random
import numpy as np

data= np.arange(1,10,1) #生成0-10之间3*3的随机矩阵
data = data.reshape(3,3)
print(data)
B=np.fliplr(data) #将data矩阵 在左右方向上翻转 flipud(data)是上下方向翻转
result=np.trace(data)+np.trace(B)#求两个矩阵的迹（主对角线的和）
print(result)


# 方法二：直接计算
# 但这个只能算一条对角线的和，是有问题的
import numpy as np

data= np.arange(1,10,1) #生成0-10之间3*3的随机矩阵
data = data.reshape(3,3)
print(data)
result = data.trace()
print(result)
sum = np.trace(data)
print(sum)


# 矩阵求和
import numpy as np

data= np.arange(1,10,1) #生成0-10之间3*3的随机矩阵
data = data.reshape(3,3)
result = np.sum(data)
print(result)