Question

使用R，我可以使用以下代码和for循环手动计算[并绘制] AUC：

self.new_button = Button(self)

我正在尝试用Python编写相同的代码，但是遇到错误“ TypeError：'Series'对象是可变的，因此不能被散列”

我对Python还是很陌生，正试图与R和Python成为双语。在解决这个问题上，有人可以指出我正确的方向吗？

test = data.frame(cbind(dt$DV, predicted_prob))
colnames(test)[1] = 'DV' 
colnames(test)[2] = 'DV_pred_prob' 

TP = rep(NA,101)
FN = rep(NA,101)
FP = rep(NA,101)
TN = rep(NA,101)
Sensitivity = rep(NA,101)
Specificity = rep(NA,101)
AUROC = 0

for(i in 0:100){
  test$temp = 0
  test[test$DV_pred_prob > (i/100),"temp"] = 1
  TP[i+1] = nrow(test[test$DV==1 & test$temp==1,])
  FN[i+1] = nrow(test[test$DV==1 & test$temp==0,])
  FP[i+1] = nrow(test[test$DV==0 & test$temp==1,])
  TN[i+1] = nrow(test[test$DV==0 & test$temp==0,])
  Sensitivity[i+1] = TP[i+1] / (TP[i+1] + FN[i+1] )
  Specificity[i+1] = TN[i+1] / (TN[i+1] + FP[i+1] )
  if(i>0){
    AUROC = AUROC+0.5*(Specificity[i+1] - Specificity[i])*(Sensitivity[i+1] + 
Sensitivity[i])
  }
}

data = data.frame(cbind(Sensitivity,Specificity,id=(0:100)/100))

该错误似乎发生在包含（i / 100）的代码部分附近。

Answer 1

熊猫索引无法按您期望的方式工作。您不能使用df[rows, cols]而是使用.loc（https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.loc.html）

是的-您是对的，因为错误是由您的行引起的：

test[test['predictions'] > (i/100), "temp"] = 1。

要解决此问题，您可以使用：

test.loc[test['predictions'] > (i/100), "temp"] = 1。

...，那么您将在遵循以下格式的以下4行上遇到问题：

TP[i+1] = test[test["actual"]==1 and test["temp"]==1,].shape[0]

您需要将每个评估语句括在括号中，并将and更改为&。关于为什么出现在这里有很好的讨论：Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()。因此您的代码应如下所示：

TP[i+1] = len(test[(test["actual"]==1) & (test["temp"]==1)])

注意；我们可以使用len函数而不是数据帧shape属性的第一个元素来计算行数。不过那只是我的偏爱。

最后；您不能在python中以这种方式设置'NA'值；您将使用np.NAN。最终的if语句将失败，因为您已将字符串数组用作占位符。我认为np.zeros(101)将为您服务。

您的完整代码以及我的修改：

predictions = pd.DataFrame(predictions[1])
actual = pd.DataFrame(y_test)
test = pd.concat([actual.reset_index(drop=True), predictions], axis=1)

# Rename column Renew to 'actual' and '1' to 'predictions'

test.columns = ['actual', 'predictions'] #<- You can assign column names using a list

TP = np.zeros(101)
FN = np.zeros(101)
FP = np.zeros(101)
TN = np.zeros(101)
Sensitivity = np.zeros(101)
Specificity = np.zeros(101)
AUROC = 0

for i in range(10):
    test['temp'] = 0
    test.loc[test['predictions'] > (i / 100), 'temp'] = 1
    TP[i+1] = len(test[(test["actual"]==1) & (test["temp"]==1)])
    FN[i+1] = len(test[(test["actual"]==1) & (test["temp"]==0)])
    FP[i+1] = len(test[(test["actual"]==0) & (test["temp"]==1)])
    TN[i+1] = len(test[(test["actual"]==0) & (test["temp"]==0)])
    Sensitivity[i+1] = TP[i+1] / (TP[i+1] + FN[i+1])
    Specificity[i+1] = TN[i+1] / (TN[i+1] + FP[i+1])
    if i > 0:
            AUROC += 0.5 * (Specificity[i+1] - Specificity[i]) *  (Sensitivity[i+1] + Sensitivity[i])

手动计算Python中的AUC

1 个答案: