在Python中绘制P-R（Precision-Recall）曲线，你需要安装`matplotlib`、`numpy`和`sklearn`这三个第三方库。以下是绘制P-R曲线的步骤和代码示例：
步骤
1. 导入必要的库：
```python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import precision_recall_curve
2. 准备数据：```pythony_true 是样本的真实标签，1 表示正例，0 表示负例
y_true = np.array（[1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0]）
probas_pred 是模型预测为正例的概率
probas_pred = np.array（[0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2, 0.1, 0.95, 0.9, 0.85, 0.8, 0.75, 0.7, 0.65, 0.6, 0.55, 0.5, 0.45, 0.4]）
3. 计算P-R曲线：
```python
precision, recall, thresholds = precision_recall_curve（y_true, probas_pred）
4. 绘制P-R曲线：```pythonplt.figure（"Precision/Recall Curve"）
plt.title（"Precision/Recall Curve"）
plt.xlabel（"Recall"）
plt.ylabel（"Precision"）
plt.plot（recall, precision, marker='.'）
plt.show（）
代码示例
```python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import precision_recall_curve
准备数据
y_true = np.array（[1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0]）
probas_pred = np.array（[0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2, 0.1, 0.95, 0.9, 0.85, 0.8, 0.75, 0.7, 0.65, 0.6, 0.55, 0.5, 0.45, 0.4]）
计算P-R曲线
precision, recall, thresholds = precision_recall_curve（y_true, probas_pred）
绘制P-R曲线
plt.figure（"Precision/Recall Curve"）
plt.title（"Precision/Recall Curve"）
plt.xlabel（"Recall"）
plt.ylabel（"Precision"）
plt.plot（recall, precision, marker='.'）
plt.show（）
运行上述代码，你将得到一个展示P-R曲线的图形。解释`precision_recall_curve` 函数计算给定预测概率下的查准率（Precision）和查全率（Recall）。`precision` 是查准率，即正确预测为正例的样本数除以所有预测为正例的样本数。`recall` 是查全率，即正确预测为正例的样本数除以所有实际为正例的样本数。`thresholds` 是用于划分查准率和查全率的阈值。希望这能帮助你绘制P-R曲线