### 绘制不同模型类别召回率对比的柱状图 为了实现这一目标，可以通过 `matplotlib` 和 `seaborn` 库来完成。以下是详细的说明： #### 数据准备 假设已经完成了多个模型的训练，并得到了各个类别的召回率（recall）。这些召回率可以存储在一个 Pandas DataFrame 中，其中每一列表示一个模型，每行表示一个类别的召回率。 ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 假设这是三个模型在两类上的召回率数据 data = { 'Model': ['Decision Tree', 'Random Forest', 'Logistic Regression'], 'Class 0 Recall': [0.85, 0.90, 0.88], 'Class 1 Recall': [0.78, 0.82, 0.80] } df_recall = pd.DataFrame(data) # 将数据转换为适合绘图的形式 df_melted = df_recall.melt('Model', var_name='Class', value_name='Recall') ``` #### 使用 Seaborn 进行绘图 Seaborn 提供了更简洁的方式绘制柱状图，尤其是当需要按类别和模型区分时。 ```python plt.figure(figsize=(10, 6)) sns.barplot(x='Model', y='Recall', hue='Class', data=df_melted, palette="muted") # 设置图表标题和标签 plt.title('Comparison of Model Recalls by Class', fontsize=16) plt.xlabel('Models', fontsize=14) plt.ylabel('Recall Rate', fontsize=14) plt.xticks(fontsize=12) plt.yticks(fontsize=12) plt.legend(title='Class Label', fontsize=12) # 显示数值标注 for p in plt.gca().patches: height = p.get_height() plt.gca().text(p.get_x() + p.get_width()/2., height + 0.01, '{:.2f}'.format(height), ha="center", fontsize=10) plt.tight_layout() plt.show() ``` 上述代码实现了以下功能： - 利用 `sns.barplot()` 方法绘制分组柱状图。 - 添加了颜色区分以便于识别不同类别的召回率[^1]。 - 图表顶部显示具体数值以增强可读性[^3]。 #### 使用 Matplotlib 手动调整布局 如果希望完全控制图形细节，则可以直接使用 Matplotlib 的方法。 ```python models = df_recall['Model'].values class_0_recalls = df_recall['Class 0 Recall'].values class_1_recalls = df_recall['Class 1 Recall'].values bar_width = 0.35 index = np.arange(len(models)) fig, ax = plt.subplots(figsize=(10, 6)) bars_class_0 = ax.bar(index, class_0_recalls, bar_width, label='Class 0', color='b') bars_class_1 = ax.bar(index + bar_width, class_1_recalls, bar_width, label='Class 1', color='r') ax.set_title('Comparison of Model Recalls by Class', fontsize=16) ax.set_xlabel('Models', fontsize=14) ax.set_ylabel('Recall Rate', fontsize=14) ax.set_xticks(index + bar_width / 2) ax.set_xticklabels(models, fontsize=12) ax.legend() def add_labels(bars): for bar in bars: height = bar.get_height() ax.annotate(f'{height:.2f}', xy=(bar.get_x() + bar.get_width() / 2, height), xytext=(0, 3), textcoords="offset points", ha='center', va='bottom', fontsize=10) add_labels(bars_class_0) add_labels(bars_class_1) plt.tight_layout() plt.show() ``` 此部分展示了手动设置柱子位置、宽度以及添加文字标记的方法[^2]。 ---