在Python中，计算AUC（Area Under the Receiver Operating Characteristic Curve）通常有几种方法，但最常用和简便的方法是使用`sklearn`库中的`roc_auc_score`函数。以下是使用`roc_auc_score`函数计算AUC的步骤：
1. 导入必要的库：
```python
import numpy as np
from sklearn.metrics import roc_auc_score
2. 准备真实标签（`y_true`）和模型预测的概率值（`y_pred`）：```pythony_true = np.array（[0, 0, 1, 1]） 真实标签
y_pred = np.array（[0.1, 0.4, 0.35, 0.8]） 预测概率值
3. 调用`roc_auc_score`函数计算AUC：
```python
auc = roc_auc_score（y_true, y_pred）
print（auc） 输出AUC值
以上代码将输出AUC值。如果需要计算多个类别的AUC，可以使用`average='micro'`参数。如果你需要手动实现AUC计算，可以参考以下方法：1. 将概率值和标签组合成元组列表，并按照概率值从大到小排序。2. 计算正样本的排名总和，并减去正样本可能形成的组合数。3. 将排名总和除以总样本数（正样本数乘以负样本数）得到AUC值。请注意，手动实现方法可能不如使用`roc_auc_score`函数高效，特别是当处理大量数据时。
