#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Fri Mar 22 23:55:53 2019
Matrice de confusion et calcul des métriques
@author: François Pelletier
"""

import numpy as np

def confusion_matrix(obs_labels,pred_labels):
    """
    Retourne la matrice de confusion
    Prend en entrée deux vecteurs d'étiquettes: observations et prédictions
    Retourne une matrice NumPy
    """
    unique_obs_labels=np.unique(obs_labels)
    nb_unique_obs_labels=(unique_obs_labels.shape)[0]
    
    confusion_matrix = np.zeros((nb_unique_obs_labels,nb_unique_obs_labels))
    
    for observed,predicted in zip(obs_labels,pred_labels):
        confusion_matrix[observed][predicted] += 1
    return confusion_matrix

def prediction_metrics(cm,obs_labels,pred_labels):
    """
    Cette fonction retourne les métriques accuracy, precision et recall
    Elle prend en entrée la matrice de confusion et les vecteurs d'étiquettes: observations et prédictions
    accuracy=(tp+tn)/all
    precision=tp/(tp+fp)
    recall=tp/(tp+fn)
    """
    
    accuracy = (obs_labels == pred_labels).sum() / float(len(obs_labels))
    precision=[]
    recall=[]
    for label_num in np.unique(obs_labels):
        precision.append(cm[label_num,label_num] / sum(cm[:,label_num]))
        recall.append(cm[label_num,label_num] / sum(cm[label_num,:]))
    
    return accuracy, precision, recall

def print_prediction_metrics(cm,accuracy,precision,recall):
    """
    Cette fonction imprime la matrice de confusion et les métriques
    """
    print("Matrice de confusion:")
    print(cm)
    print("\nAccuracy:")
    print(accuracy)
    print("\nPrecision:")
    print(precision)
    print("\nRecall")
    print(recall)