Python中如何求预测值为1且预测正确的样本个数？

# 假设你有真实标签y_true和预测标签y_pred
import numpy as np

# 示例数据
y_true = np.array([1, 0, 1, 1, 0, 1, 0, 0, 1, 0])
y_pred = np.array([1, 0, 1, 0, 0, 1, 1, 0, 1, 0])

# 方法1：使用布尔索引直接计算
correct_predictions = (y_true == y_pred)  # 所有预测正确的样本
predicted_as_1 = (y_pred == 1)  # 所有预测为1的样本

# 同时满足两个条件的样本数
count = np.sum(correct_predictions & predicted_as_1)
print(f"预测为1且正确的样本数: {count}")

# 方法2：分步计算更清晰
# 找出预测为1的索引
pred_1_indices = np.where(y_pred == 1)[0]
# 在这些索引中检查是否预测正确
count = np.sum(y_true[pred_1_indices] == y_pred[pred_1_indices])
print(f"预测为1且正确的样本数: {count}")

# 方法3：使用列表推导式（适合小数据）
count = sum(1 for true, pred in zip(y_true, y_pred) if pred == 1 and true == pred)
print(f"预测为1且正确的样本数: {count}")

# 如果要获取具体的样本索引
indices = np.where((y_true == y_pred) & (y_pred == 1))[0]
print(f"符合条件的样本索引: {indices}")

核心思路：同时满足两个条件——预测值等于1，且预测值等于真实值。

建议：用布尔运算直接筛选最简洁。