df_1_final_test = df_1.loc[list(set(df_1.index.tolist()).difference(set(df_train_1.index.tolist())))] #df_9_final_test = df_9.copy() 使负样本验证集等于正样本的验证集 df_9_final_test = df_9.sample(round(len(df_1_final_test)), random_state=int(cfg_train_dict['random_state'])) df_9_final_test['label'] = 0 df_ft = df_1_final_test.append(df_9_final_test, sort=False) # 随机分训练集和测试集 from sklearn.model_selection import train_test_split x_train, x_test, y_train, y_test = train_test_split(df_train.drop(['号码', 'label'], axis=1), df_train['label'], test_size=0.2, random_state=int(cfg_train_dict['random_state']))

这段代码是一个名为 set_data 的函数，它用于设置数据集。 首先，函数从 cfg_dict 字典中获取了一个名为 cfg_train_dict 的子字典，其中包含了训练配置的相关参数。 接着，函数从 df_1 数据框中随机抽样了一部分样本作为训练集 df_train_1，抽样数量为 len(df_1) 减去 cfg_train_dict['simulate_pos_count']，random_state 参数用于设置随机种子。函数打印了 df_train_1 的长度。 然后，根据 cfg_train_dict['use_neg_sample'] 的值，函数决定如何选择负例样本。如果值为 'True'，则将 df_0 数据框复制给 df_train_0，并根据 df_1 的长度进行抽样。如果 df_0 的长度大于等于 df_1 的长度，则抽样数量为 len(df_1)；否则，函数还会从 df_9 数据框中抽样剩余的样本，抽样数量为 len(df_train_1) 减去 len(df_0)，random_state 参数同样用于设置随机种子。 如果 cfg_train_dict['use_neg_sample'] 的值不为 'True'，则直接从 df_9 数据框中抽样数量为 round(len(df_train_1)) 的样本作为负例样本，并将其赋值给 df_train_0。 接下来，函数给 df_train_0 添加了一个名为 'label' 的列，并将所有行的值都设置为 0。函数打印了 df_train_1 和 df_train_0 的长度。 然后，函数将 df_train_1 和 df_train_0 两个数据框按行合并成一个新的数据框 df_train。 接着，函数根据 df_train_1 的索引和 df_1 的索引的差异，获取了 df_1 中不在训练集中的样本，并将其赋值给 df_1_final_test。 接下来，函数从 df_9 数据框中随机抽样数量为 round(len(df_1_final_test)) 的样本作为负例测试集，并给其添加一个名为 'label' 的列，所有行的值都设置为 0。 最后，函数将 df_1_final_test 和 df_9_final_test 两个数据框按行合并成一个新的数据框 df_ft。 这段代码的作用是根据配置参数设置训练集和测试集。训练集由正例样本和负例样本组成，而测试集则包含了未在训练集中出现的正例样本和负例样本。

<think>嗯，用户希望将他们的Python代码中的三个图表——特征重要性图、混淆矩阵热力图和ROC曲线——画得更精美。我需要仔细分析他们现有的代码，然后找出可以优化的地方。首先，我应该回忆一下matplotlib和seaborn的高级定制方法，看看有哪些参数可以调整来提升图表的美观度。 特征重要性图现在用的是seaborn的barplot，可能可以调整颜色、字体大小、添加更多的标签信息，或者改变背景样式。比如，使用更现代的颜色渐变，增加标题的字体大小，或者调整坐标轴的标签位置。另外，特征重要性可能需要排序，让最重要的特征排在前面，不过原代码已经按分数排序了，所以这点可能已经处理好了。 混淆矩阵热力图，用户现在用的是sns.heatmap，可能需要添加更多的注释，比如百分比而不仅仅是数量，或者调整颜色映射，使其更清晰。另外，可以设置更合适的图例位置，或者调整单元格的大小，让图表看起来更专业。 至于ROC曲线，当前的代码已经绘制了曲线和虚线参考线，但可能需要调整线条的粗细、颜色，或者添加阴影效果来突出AUC值。坐标轴的标签字体、图例的位置和样式也可以优化，比如使用更大的字体，或者将图例放在更合适的位置。 接下来，我需要检查用户现有的代码，看看哪些参数已经设置，哪些可以进一步调整。例如，在特征重要性图中，是否使用了合适的调色板？是否添加了数据标签？在混淆矩阵中，是否对数值进行了标准化，以便更直观地显示比例？ 另外，用户可能希望图表在学术论文或报告中展示，所以需要更高的分辨率和更清晰的输出。可能需要调整plt.figure的参数，比如dpi，或者保存为矢量图格式如PDF或SVG。 在代码层面，可能需要为每个图表单独设置不同的样式，比如使用sns.set_style来改变背景网格，或者调整字体类型。同时，要确保中文字体正确显示，用户已经设置了SimHei，但可能需要检查是否在所有图表中都应用了该设置。 对于特征重要性图，可以考虑使用水平条形图，并给每个条形添加数值标签，这样更易读。在seaborn中，可以通过annotate函数或者修改barplot的参数来实现。 混淆矩阵方面，除了数量，还可以显示每个类别的百分比，特别是在数据不平衡的情况下，这样更直观。可以通过计算百分比矩阵来实现，并在热力图中显示。 ROC曲线方面，可以填充曲线下的面积，增加AUC值的显示位置，调整线条样式，或者添加阈值标签，但可能过于复杂。保持简洁的同时提升视觉效果是关键。 最后，要确保所有修改后的代码与用户现有的代码兼容，不会引起错误。例如，数据预处理步骤是否正确，特征选择是否影响了后续的模型训练等。需要逐步测试每个图表的代码调整，确保输出正确无误。 总结一下，优化方向包括：调整颜色和样式、添加数据标签、优化布局和字体、调整坐标轴和标题、使用更专业的图表元素。需要逐一针对每个图表进行这些调整，并在回答中详细说明修改的代码部分及其作用。</think>我将分步骤说明如何优化这三个图的绘制效果，并提供修改后的代码段： 一、特征重要性图优化方案（增强可读性与美观度） ```python plt.figure(figsize=(12, 8), dpi=120) # 提高分辨率和尺寸 sns.set_style("whitegrid") # 使用白色网格背景 # 创建渐变色条 bar_plot = sns.barplot(x="Score", y="Feature", data=feature_scores, palette="viridis_r", edgecolor="0.2", linewidth=1.5) # 添加数据标签 for index, value in enumerate(feature_scores.Score): bar_plot.text(value + 0.05, index, f'{value:.1f}', va='center', fontsize=10, color='#2d3436') plt.title('特征重要性评分（ANOVA F值）', fontsize=16, pad=20, fontweight='bold') # 增加标题格式 plt.xlabel('ANOVA F值', fontsize=12, labelpad=15) # 调整标签间距 plt.ylabel('特征名称', fontsize=12, labelpad=15) plt.xticks(fontsize=10) plt.yticks(fontsize=10, rotation=0) # 添加参考线 plt.axvline(x=np.mean(feature_scores.Score), color='#e74c3c', linestyle='--', linewidth=1.5, alpha=0.7) # 添加图例说明 plt.text(np.mean(feature_scores.Score)+0.5, 0.5, f'平均得分: {np.mean(feature_scores.Score):.1f}', color='#e74c3c', fontsize=10) plt.tight_layout() # 自动调整边距 plt.show() ``` 二、混淆矩阵热力图优化方案（增强信息量和可视化效果） ```python plt.figure(figsize=(10, 8), dpi=120) sns.set(font_scale=1.2) # 统一字体缩放比例 # 计算百分比矩阵 conf_mat_perc = conf_mat.astype('float') / conf_mat.sum(axis=1)[:, np.newaxis] # 自定义注释标签 annot_labels = np.array([["{0:0.0f}\n({1:.1%})".format(num,perc) for num, perc in zip(row, per_row)] for row, per_row in zip(conf_mat, conf_mat_perc)]) # 创建热力图 heatmap = sns.heatmap(conf_mat, annot=annot_labels, fmt='', # 使用自定义格式 cmap='YlGnBu', # 更换色系 linewidths=2, linecolor='grey', cbar_kws={'label': '样本数量'}, annot_kws={'size':14, 'color':'#2d3436', 'va':'center'}) plt.title('分类结果混淆矩阵\n', fontsize=16, fontweight='bold') plt.xlabel('预测类别', fontsize=12) plt.ylabel('真实类别', fontsize=12) # 优化颜色条 cbar = heatmap.collections[0].colorbar cbar.ax.tick_params(labelsize=10) cbar.ax.set_ylabel('样本数量', rotation=270, labelpad=20, fontsize=12) # 调整刻度标签 heatmap.set_xticklabels(['非慢阻肺', '慢阻肺'], fontsize=12) heatmap.set_yticklabels(['非慢阻肺', '慢阻肺'], fontsize=12, rotation=0) plt.tight_layout() plt.show() ``` 三、ROC曲线优化方案（提升专业展示效果） ```python plt.figure(figsize=(10, 8), dpi=120) plt.style.use('seaborn-darkgrid') # 使用深色网格样式 # 绘制主曲线 plt.plot(fpr, tpr, color='#3498db', lw=3, alpha=0.8, label=f'ROC曲线 (AUC = {roc_auc:.2f})') # 填充曲线下方区域 plt.fill_between(fpr, tpr, alpha=0.15, color='#3498db') # 绘制参考线 plt.plot([0, 1], [0, 1], linestyle='--', lw=2, color='#e74c3c', alpha=0.7, label='随机猜测') # 标注最佳阈值点 optimal_idx = np.argmax(tpr - fpr) plt.scatter(fpr[optimal_idx], tpr[optimal_idx], s=100, color='#f1c40f', edgecolor='#2d3436', zorder=3, label=f'最佳阈值点\n(FPR={fpr[optimal_idx]:.2f}, TPR={tpr[optimal_idx]:.2f})') # 坐标轴设置 plt.xlim([-0.02, 1.02]) plt.ylim([-0.02, 1.02]) plt.xticks(np.arange(0, 1.1, 0.1), fontsize=10) plt.yticks(np.arange(0, 1.1, 0.1), fontsize=10) # 标签和标题 plt.xlabel('False Positive Rate (1 - Specificity)', fontsize=12, labelpad=15) plt.ylabel('True Positive Rate (Sensitivity)', fontsize=12, labelpad=15) plt.title('ROC曲线 - 慢阻肺筛查模型', fontsize=16, pad=20, fontweight='bold') # 图例设置 plt.legend(loc='lower right', frameon=True, fontsize=10, framealpha=0.9, edgecolor='#2d3436') # 添加网格线 plt.grid(True, alpha=0.3, linestyle='--') plt.tight_layout() plt.show() ``` 主要优化点说明（使用无序列表表示）： - 特征重要性图 - 添加渐变色系（`viridis_r`）增强视觉层次 - 精确到小数点后1位的数据标签 - 红色虚线标出平均分参考线 - 调整字体大小和边距提升可读性 - 混淆矩阵 - 同时显示绝对数量和百分比 - 使用蓝绿色系（`YlGnBu`）更符合医疗主题 - 添加单元格边框线增强结构感 - 优化颜色条说明文字 - ROC曲线 - 填充曲线下方区域增强表现力 - 标注最佳阈值点提供决策参考 - 使用深色网格背景提升对比度 - 添加详细的轴刻度（0.1间隔） - 专业级的图例排版和标签说明 建议在代码前添加以下样式初始化： ```python # 全局样式设置 plt.style.use('seaborn') sns.set_palette("husl") # 使用统一色板 plt.rcParams['font.family'] = 'SimHei' # 确保中文显示 plt.rcParams['axes.titlepad'] = 20 # 标题间距 ``` 这些修改通过以下方式提升专业性： 1. 增加信息密度（如同时显示数值和百分比） 2. 优化色彩对比度（使用科学可视化常用色系） 3. 增强可解释性（添加参考线和阈值点） 4. 统一视觉风格（字体、间距、边距） 5. 提高输出分辨率（dpi=120） 6. 添加辅助决策信息（如最佳阈值点）