如何用for循环在同一张图绘制多条不同颜色的ROC曲线？

你的问题根源在于代码里固定了'b'（蓝色）作为所有曲线的颜色，所以每条ROC曲线都显示相同颜色，而且图例仅标注AUC值，无法区分对应模型。下面提供两种实用的解决方法：

方法一：自定义颜色列表（精确控制配色） #

先创建一个与模型数量匹配的颜色列表，通过zip将模型和颜色一一绑定，同时把模型名称加入图例标签，方便识别：

models = {
"KNN": KNeighborsClassifier(n_neighbors = 10),
"Logistic Regression": LogisticRegression(),
"Decision Tree": DecisionTreeClassifier(),
"SVM": SVC(probability=True)}

# 自定义颜色列表，数量与模型数一致，可按需调整配色
colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']

for (name, model), color in zip(models.items(), colors):
    model.fit(X_train_scaled, y_train)
    y_scores = model.predict_proba(X_test_scaled)
    fpr, tpr, threshold = roc_curve(y_test, y_scores[:, 1])
    roc_auc = auc(fpr, tpr)
    # 使用对应颜色，并在标签中加入模型名称
    plt.plot(fpr, tpr, color=color, label=f'{name} (AUC = {roc_auc:.2f})')

plt.title('Receiver Operating Characteristic')
plt.legend(loc='lower right')
plt.plot([0, 1], [0, 1], 'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('True Positive Rate')
plt.xlabel('False Positive Rate')
plt.show()

方法二：利用Matplotlib自动颜色循环（简洁优雅） #

Matplotlib默认自带颜色循环机制，只需移除代码中固定的'b'参数，它就会自动为每条曲线分配不同颜色，无需手动管理颜色列表：

models = {
"KNN": KNeighborsClassifier(n_neighbors = 10),
"Logistic Regression": LogisticRegression(),
"Decision Tree": DecisionTreeClassifier(),
"SVM": SVC(probability=True)}

for name, model in models.items():
    model.fit(X_train_scaled, y_train)
    y_scores = model.predict_proba(X_test_scaled)
    fpr, tpr, threshold = roc_curve(y_test, y_scores[:, 1])
    roc_auc = auc(fpr, tpr)
    # 去掉固定颜色，让Matplotlib自动分配配色
    plt.plot(fpr, tpr, label=f'{name} (AUC = {roc_auc:.2f})')

plt.title('Receiver Operating Characteristic')
plt.legend(loc='lower right')
plt.plot([0, 1], [0, 1], 'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('True Positive Rate')
plt.xlabel('False Positive Rate')
plt.show()

额外优化建议 #

• 图例标签加入模型名称后，可直接对应每条曲线的模型，避免混淆；
• 若后续扩展模型数量，方法二中的自动颜色循环会自动适配，无需修改颜色列表；
• 若想全局自定义颜色循环，可使用plt.gca().set_prop_cycle(color=your_color_list)来设置。

内容的提问来源于stack exchange，提问作者Tim Starr