如何从scikitplot的plot_precision_recall方法提取AUC分数（含微平均）

直接从函数返回值获取 #

scikitplot的plot_precision_recall函数会返回两个值：绘图的坐标轴对象，以及包含所有计算结果的字典。你可以直接从字典里取出微平均的PR AUC分数：

from scikitplot.metrics import plot_precision_recall
import matplotlib.pyplot as plt
import numpy as np

# 传入你的测试标签和预测概率
ax, results_dict = plot_precision_recall(np.array(y_test), y_pred_proba)
plt.show()

# 提取微平均PR AUC
micro_auc = results_dict['micro']['auc']
print(micro_auc)

手动复刻计算逻辑（和函数内部一致） #

如果不想依赖函数返回值，直接复刻函数内部的微平均PR AUC计算逻辑，二分类场景下代码如下：

from sklearn.metrics import precision_recall_curve, auc
import numpy as np

# 展平标签和概率数组（适配二分类/多分类通用逻辑）
y_test_flat = y_test.ravel()
y_pred_proba_flat = y_pred_proba.ravel()

# 计算PR曲线的precision和recall值
precision, recall, _ = precision_recall_curve(y_test_flat, y_pred_proba_flat)

# 计算曲线下面积
micro_auc = auc(recall, precision)
print(micro_auc)

为什么之前的方法结果不一致？ #

• average_precision_score返回的是正类的平均精度（AP），和PR曲线下面积（AUC）不是同一个指标，数值自然有差异。
• 二分类场景下roc_auc_score的宏平均和微平均结果一致，但这是ROC曲线的指标，和PR曲线无关，所以也不匹配。

内容的提问来源于stack exchange，提问作者horcle_buzz