实现功能：
根据患者的诊断结果以及某一个诊断指标数值，绘制ROC曲线，寻找出这个指标的最佳诊断临界值，并在曲线中标记出此时的坐标。
实现代码：
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc
import xlrd
import seaborn as sns
def Find_Optimal_Cutoff(TPR, FPR, threshold):
y = TPR - FPR
Youden_index = np.argmax(y)
optimal_threshold = threshold[Youden_index]
print(optimal_threshold)
point = [FPR[Youden_index], TPR[Youden_index]]
return optimal_threshold, point
def acu_curve(index_name,y,prob):
font = {'family': 'Times New Roman',
'size': 12,
}
sns.set(font_scale=1.2)
plt.rc('font', family='Times New Roman')
fpr, tpr, thresholds = roc_curve(y,prob)
roc_auc = auc(fpr,tpr) ###计算auc的值
lw = 2
plt.plot(fpr, tpr, color='darkorange',
lw=lw, label='ROC curve (area = %0.3f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')
optimal_th, optimal_point = Find_Optimal_Cutoff(TPR=tpr, FPR=fpr, threshold=thresholds)
print(optimal_point)
plt.plot(optimal_point[0], optimal_point[1], marker='o', color='r')
plt.text(optimal_point[0], optimal_point[1], (float('%.2f'% optimal_point[0]),
float('%.2f'% optimal_point[1])),
ha='right', va='top', fontsize=12)
plt.text(optimal_point[0], optimal_point[1], f'Threshold:{optimal_th:.2f}', fontsize=12)
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.0])
plt.xlabel('False Positive Rate',fontsize = 14)
plt.ylabel('True Positive Rate',fontsize = 14)
plt.title('ROC analysis of '+ index_name,fontsize = 14)
plt.legend(loc="lower right",fontsize = 12)
plt.show()
def extract(inpath,sheet_index,label_index,col_index):
data = xlrd.open_workbook(inpath, encoding_override='utf-8')
table = data.sheets()[sheet_index] # 选定表
nrows = table.nrows # 获取行号
ncols = table.ncols # 获取列号
label = []
prb = []
for i in range(1, nrows): # 第0行为表头
alldata = table.row_values(i) # 循环输出excel表中每一行，即所有数据
label_value=alldata[label_index]
label.append(label_value)
result = alldata[col_index] # 取出表中第二列数据
prb.append(result)
return label,prb
if __name__=="__main__":
inpath = 'F:\医学大数据课题\RA预测\RA预测\指标分析.xls'
(label,prb) = extract(inpath,0,0,1)
print(label)
print(prb)
acu_curve(index_name='CCP',y=label,prob=prb)
(label,prb) = extract(inpath,1,0,1)
print(label)
print(prb)
acu_curve(index_name='MCV',y=label,prob=prb)
(label,prb) =extract(inpath,2,0,1)
print(label)
print(prb)
acu_curve(index_name='RF',y=label,prob=prb)
(label,prb) =extract(inpath,3,0,1)
print(label)
print(prb)
acu_curve(index_name='CRP',y=label,prob=prb)
实现效果：
CCP指标：
MCV指标：
RF指标：
CRP指标：
控制台输出：
喜欢记得点赞，在看，收藏，
关注V订阅号：数据杂坛，获取完整代码和效果，将持续更新！
网友评论