如何用Python为含POD与Successratio的数据集绘制Performance Diagram

数据集整理 #

先将你的结构化数据整理为便于使用的格式：

实现代码（Python + Matplotlib） #

以下代码可生成标准的Performance Diagram，包含散点标注、CSI等值线、随机参考线、完美性能点等核心元素，完全匹配这类图表的通用示例样式：

import matplotlib.pyplot as plt
import numpy as np

# 加载数据集
products = ['CPC', 'ARC', 'TAM', 'PER']
pod = [0.85, 0.74, 0.65, 0.80]
success_ratio = [0.40, 0.34, 0.28, 0.35]

# 创建画布
fig, ax = plt.subplots(figsize=(8, 8))

# 绘制散点并标注产品名称
for p, po, sr in zip(products, pod, success_ratio):
    ax.scatter(sr, po, s=100, zorder=5)
    ax.text(sr + 0.01, po + 0.01, p, fontsize=12)

# 绘制CSI等值线
sr_grid, pod_grid = np.meshgrid(np.linspace(0, 1, 100), np.linspace(0, 1, 100))
csi_values = [0.2, 0.4, 0.6, 0.8]
for csi in csi_values:
    # CSI计算公式：CSI = (POD * SuccessRatio) / (POD + SuccessRatio - POD*SuccessRatio)
    contour = ax.contour(sr_grid, pod_grid, (pod_grid * sr_grid) / (pod_grid + sr_grid - pod_grid * sr_grid),
                         levels=[csi], colors='gray', linestyles='--')
    ax.clabel(contour, inline=True, fontsize=10, fmt=f'CSI={csi}')

# 绘制随机猜测参考线（POD = SuccessRatio）
ax.plot([0, 1], [0, 1], color='red', linestyle=':', label='Random Guess')

# 绘制完美性能标记点
ax.scatter(1, 1, s=150, marker='*', color='green', zorder=10)
ax.text(0.95, 0.95, 'Perfect', fontsize=12, ha='right')

# 设置坐标轴与样式
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.set_xlabel('Success Ratio (Precision)', fontsize=12)
ax.set_ylabel('Probability of Detection (POD)', fontsize=12)
ax.set_title('Performance Diagram', fontsize=14)
ax.grid(True, linestyle='-', alpha=0.3)
ax.legend()

plt.show()

自定义调整说明 #

• 若需匹配示例图的散点大小、标注位置，可修改scatter的s参数和text的偏移值
• CSI等值线的数值、线型可通过修改csi_values和linestyles参数调整
• 随机线、完美点的颜色、样式也可根据示例图需求直接修改对应参数

内容的提问来源于stack exchange，提问作者Fusi