读取csv文件并绘制ROC和P-R曲线图

### 如何使用 Python Pandas 读取 CSV 文件并绘制 ROC 和 P-R 曲线 #### 数据准备 为了绘制 ROC 和 Precision-Recall (P-R) 曲线，首先需要加载数据。可以利用 `pandas` 的 `read_csv()` 方法来完成这一操作。 ```python import pandas as pd # 加载数据 data = pd.read_csv('your_data_file.csv', encoding='utf-8') data = data.fillna(-1) # 处理缺失值 print(data.head()) # 查看前几行数据 ``` 上述代码片段展示了如何从本地路径加载 CSV 文件，并填充其中的缺失值[^2]。 --- #### 划分训练集和测试集 在构建机器学习模型之前，通常会将数据划分为训练集和测试集： ```python from sklearn.model_selection import train_test_split X = data.iloc[:, :-1] # 特征列 y = data.iloc[:, -1] # 标签列 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) ``` 这里我们按照 70% 训练集和 30% 测试集的比例分割数据。 --- #### 构建分类模型 假设已经选择了某种分类算法（如逻辑回归），可以通过以下方式拟合模型并获取预测概率值： ```python from sklearn.linear_model import LogisticRegression from sklearn.metrics import roc_curve, precision_recall_curve, auc model = LogisticRegression() model.fit(X_train, y_train) # 获取预测的概率值 y_prob = model.predict_proba(X_test)[:, 1] ``` 此处，`predict_proba()` 函数返回的是正类别的概率估计值[^3]。 --- #### 绘制 ROC 曲线 ROC 曲线用于评估二分类模型的表现，其核心指标是假阳率 (False Positive Rate, FPR) 和真阳率 (True Positive Rate, TPR)。 ```python fpr, tpr, thresholds = roc_curve(y_test, y_prob) roc_auc = auc(fpr, tpr) plt.figure(figsize=(8, 6)) plt.plot(fpr, tpr, color='darkorange', lw=2, label=f'ROC curve (area = {roc_auc:.2f})') plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--') # 对角线基线 plt.xlim([0.0, 1.0]) plt.ylim([0.0, 1.05]) plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.title('Receiver Operating Characteristic Curve') plt.legend(loc="lower right") plt.show() ``` 这段代码实现了 ROC 曲线的绘制，并标注了 AUC 值作为性能衡量标准。 --- #### 绘制 Precision-Recall 曲线 Precision-Recall 曲线适用于类别分布不均衡的情况，它反映了精确率 (Precision) 随召回率 (Recall) 变化的趋势。 ```python precision, recall, _ = precision_recall_curve(y_test, y_prob) pr_auc = auc(recall, precision) plt.figure(figsize=(8, 6)) plt.plot(recall, precision, color='blue', lw=2, label=f'PR curve (area = {pr_auc:.2f})') plt.xlim([0.0, 1.0]) plt.ylim([0.0, 1.05]) plt.xlabel('Recall') plt.ylabel('Precision') plt.title('Precision-Recall Curve') plt.legend(loc="upper right") plt.show() ``` 此部分代码完成了 Precision-Recall 曲线的可视化，并同样计算了曲线下面积 (AUC)[^3]。 --- ### 总结 通过以上步骤，能够成功地使用 Python 中的 Pandas 库加载 CSV 文件，并借助 Matplotlib 或 Seaborn 完成 ROC 和 Precision-Recall 曲线的绘制。这些图表对于评估分类模型的效果至关重要[^4]。 ---