np.vectorize 只有大小为 1 的数组可以转换为标量答案

【问题标题】：np.vectorize only size-1 arrays can be converted to scalarsnp.vectorize 只有大小为 1 的数组可以转换为标量
【发布时间】：2021-06-20 13:00:50
【问题描述】：

我正在尝试打印评估我的贝叶斯模型的 ROC 曲线

fpr, tpr, _ =roc_curve(y_test, y_pred)

功能：

plt.plot(fpr, tpr, label='Naive Bayes (AUROC = %0.3f)' % y_pred)

plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.legend()  
plt.show()

我在绘制时收到错误。以前的帖子建议使用np.vectorize 然而，我在fpr 和tpr 上尝试了astype(int)：

x = fpr.astype(int)
y = tpr.astype(int)

还是没用

这里有什么问题？这是调用 astype 之前 fpr,tpr 的样子

【问题讨论】：

请发布完整的错误跟踪，以及fpr 和tpr 的结果（值）作为文本，不是图像（你知道你可以从 Jupyter 输出单元中复制粘贴它们，对吧？）。

标签： python matplotlib scikit-learn

【解决方案1】：

使用您显示的 fpr 和 tpr 的值，plot 可以正常工作：

import numpy as np
from matplotlib import pyplot as plt

fpr = np.array([0, 0.136, 1.])
tpr = np.array([0, 0.5, 1.])

plt.plot(fpr, tpr)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.show()

问题源于 y_pred 令人费解地出现在它不属于它的地方，即在 label 参数中：

# dummy y_pred - exact values do not matter
y_pred = np.array([0.1, 0.34, 0.43, 0.89])

plt.plot(fpr, tpr, label='Naive Bayes (AUROC = %0.3f)' % y_pred)

结果（不足为奇）：

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

<ipython-input-8-ccbf0542501c> in <module>()
----> 1 plt.plot(fpr, tpr, label='Naive Bayes (AUROC = %0.3f)' % y_pred)

TypeError: only size-1 arrays can be converted to Python scalars

令人费解的是，为什么您在明确暗示您确实想要 AUC 分数的地方尝试使用预测 y_pred。

您应该单独计算 AUC，并在绘图的适当位置使用它，而不是 y_pred：

from sklearn.metrics import roc_auc_score
AUC = roc_auc_score(y_test, y_pred)
plt.plot(fpr, tpr, label='Naive Bayes (AUROC = %0.3f)' % AUC)

【讨论】：