1、用python画pr曲线的代码如下：
sklearn.metrics.precision_recall_curve(y_true, probas_pred, pos_label=None, sample_weight=None)
2、代码详解
precision(精度)为tp / (tp + fp)，其中tp为真阳性数，fp为假阳性数。
recall(召回率)是tp / (tp + fn)，其中tp是真阳性数，fn是假阴性数。
参数：
y_true：array, shape = [n_samples]：真实标签。如果标签不是{-1,1}或{0,1}，那么pos_label应该显式给出。
probas_pred：array, shape = [n_samples] ：正类的预测概率或决策函数
pos_label：int or str, default=None：正类标签。当pos_label=None时，如果y_true为{- 1,1}或{0,1}，则pos_label设置为1，否则将报错。
返回值：
precision：array, shape = [n_thresholds + 1]：精度，**后一个元素是1。
recall：array, shape = [n_thresholds + 1]：召回率，**后一个是0
thresholds：array, shape = [n_thresholds <= len(np.unique(probas_pred))]：用于计算精度和召回率的决策函数的阈值
