python一张图中绘制多条roc曲线

在Python中绘制多条ROC曲线的方法如下：

1. 导入所需的库：`import matplotlib.pyplot as plt`

2. 准备数据：获取多个分类器的真正率（True Positive Rate, TPR）和假正率（False Positive Rate, FPR）曲线数据，这些数据可以通过调用分类器的评估函数获得。

3. 创建图像和子图对象：`fig, ax = plt.subplots()`

4. 循环绘制曲线：使用`ax.plot()`函数，一次绘制每个分类器的ROC曲线，传入分类器的TPR和FPR数据作为参数。

5. 添加标题和标签：使用`ax.set()`函数，设置图像的标题、X轴和Y轴的标签。

6. 设置图例：如果需要，使用`ax.legend()`函数，设置图例以显示每个分类器的标识。

7. 显示图像：使用`plt.show()`函数，显示绘制好的ROC曲线图像。

下面是一个简单的示例代码，其中包含了绘制两条ROC曲线的基本步骤：

import matplotlib.pyplot as plt

# 准备数据
classifier_1_tpr = [0.1, 0.2, 0.4, 0.6, 0.8]  # 分类器1的TPR数据
classifier_1_fpr = [0.2, 0.3, 0.5, 0.7, 0.9]  # 分类器1的FPR数据

classifier_2_tpr = [0.2, 0.3, 0.5, 0.7, 0.9]  # 分类器2的TPR数据
classifier_2_fpr = [0.1, 0.2, 0.4, 0.6, 0.8]  # 分类器2的FPR数据

# 创建图像和子图对象
fig, ax = plt.subplots()

# 绘制曲线
ax.plot(classifier_1_fpr, classifier_1_tpr, label='Classifier 1')
ax.plot(classifier_2_fpr, classifier_2_tpr, label='Classifier 2')

# 添加标题和标签
ax.set(title='ROC Curve', xlabel='False Positive Rate', ylabel='True Positive Rate')

# 设置图例
ax.legend()

# 显示图像
plt.show()

以上代码中，我们首先准备了两个分类器的TPR和FPR数据，然后使用`ax.plot()`函数绘制了两条ROC曲线，接着用`ax.set()`函数设置了标题和标签，最后使用`ax.legend()`函数设置了图例，最终使用`plt.show()`函数显示了绘制好的ROC曲线图像。