python实现绘制ROC曲线寻找指标最佳诊断临界值

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！